改进粒子群算法优化BP神经网络的短时交通流预测

被引：171

作者：

李松 ^{[1
]}

刘力军 ^{[2
]}

翟曼 ^{[1
]}

机构：

[1] 河北大学管理学院

[2] 河北经贸大学工商管理学院

来源：

系统工程理论与实践 | 2012年 / 09期

关键词：

交通流预测; BP神经网络; 粒子群算法; 变异算子;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高BP神经网络预测模型的预测准确性,提出了一种基于改进粒子群算法优化BP神经网络的预测方法.引入自适应变异算子对陷入局部最优的粒子进行变异,改进了粒子群算法的寻优性能,利用改进粒子群算法优化BP神经网络的权值和阈值.然后训练BP神经网络预测模型求得最优解.将该预测方法应用到实测交通流的时间序列进行有效性验证,结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.

引用

页码：2045 / 2049

页数：5

共 9 条

[1] 基于混沌的交通流量Volterra自适应预测模型 [J].