原文传递
基于萤火虫算法和RBF神经网络的高速公路交通流预测
| 论文题名： | 基于萤火虫算法和RBF神经网络的高速公路交通流预测 |
| 关键词： | 高速公路;车流量预测;萤火虫算法;RBF神经网络 |
| 摘要： | 通过对高速公路交通状态的整体变化趋势进行有效的掌控，可以有效的缓解高速公路的拥堵以及防止交通事故的发生。高速公路车流量预测是其中关键性的问题，而车流量具有复杂性、非线性等特点，使得传统的预测模型无法准确地预测车流量的变化趋势。 径向基函数(RBF)神经网络作为一种具有代表性的神经网络模型，它具有学习速度快、收敛性强、自学习、自适应等优点，并且不会出现局部极小值问题，它是对非线性函数的最佳逼近。所以对于R BF神经网络的研究成为了车流量预测模型中的热点问题，但是RB F神经网络中隐层神经元的参数确定是其难点。而智能群算法可以有效的解决该问题，因此，本文提出了利用萤火虫算法优化R BF神经网络，确定隐层神经元的中心、宽度以及隐层神经元到输出层神经元之间的权值。 本文首先分析了BP神经网络与R BF神经网络的原理以及结构特点，并对比两种神经网络模型，结果表明R BF神经网络具有结构简单、收敛性能好等特点。其次分别分析了常用的两种智能群优化算法，即遗传算法、粒子群算法，分析了两者的实现原理以及优缺点。接着对萤火虫算法的原理以及在R BF神经网络的应用进行了详细的分析和说明，并提出了基于改进的萤火虫算法优化的R BF神经网络预测模型。最后设计了基于遗传算法、粒子群算法、萤火虫算法优化的三种神经网络模型，并利用真实的高速公路车流量数据对三种神经网络模型进行训练，并利用训练好的三种模型对高速公路上的车流量进行预测，从预测准确度、训练效率以及泛化能力三个方面对仿真结果做了分析。结果表明基于改进的萤火虫算法优化的R BF神经网络预测模型具有更高的预测准确度，更快的训练速度，以及更好的泛化能力。 |
| 作者： | 刘研 |
| 专业： | 计算机系统结构 |
| 导师： | 段宗涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
