研究短时交通流预测问题。传统的非参数回归预测模型中，输入状态向量的选取没有综合考虑预测点和领域点的情况。为了提高预测的精度，提出了用熵值组合的非参数回归短时交通流预测方法。首先用灰关联度和相关系数法确定邻域点和预测点的输入状态向量，用反馈机制动态调节输入变量与系统变量，然后采用带权重的预测算法分别计算这两组参数下的预测值，采用熵值法构造组合预测的权系数，可求解出新的预测结果。实测数据仿真结果表明，组合预测能够提高预测的准确性，为实际设计提供依据。

针对基于智能算法的组合预测模型算法复杂、计算周期较长等问题,将信息熵理论应用于交通流量预测,利用客观数据所包含的隐藏信息,建立基于熵权法的变权重组合预测模型。以具体某路段的交通流量为基础数据,分别用基于熵权法的组合预测模型和其他几种预测模型进行分析比较。仿真实验结果表明,该组合预测模型的预测精度和运算速度优于其他几种模型。