原文传递
粒子群优化的神经网络在交通流预测中的应用
| 论文题名： | 粒子群优化的神经网络在交通流预测中的应用 |
| 关键词： | 短时交通流预测;BP神经网络;小波神经网络;粒子群优化算法 |
| 摘要： | 随着经济的快速发展，智能交通在城市交通控制和诱导中起着越来越重要的作用。交通流预测是实现交通控制和诱导的基础，传统的交通流预测技术已经不能满足实际需求，一些精度更高的预测方法特别是智能计算方法不断涌现。 本文对粒子群优化的神经网络在交通流预测中的应用进行研究，研究主要包括以下方面: (1)在现有的短时交通流预测模型的基础上，提出两种基于信息融合的短时交通流预测模型，一种是多种模型加权平均的融合模型;一种是利用各种算法的优点互补，方法融合的模型。 (2)采用小波神经网络进行短时交通流预测，以改善传统的BP神经网络所存在的训练时间长、收敛速度慢、容易陷于局部极小值等缺点。仿真结果表明预测效果优于BP神经网络。 (3)采用改进粒子群优化算法优化小波神经网络的权值和阈值，建立基于自适应变异粒子群优化小波神经网络的预测模型。预测仿真结果表明，该融合模型提高了小波神经网络的收敛性及预测精度。 (4)提出基于混沌粒子群优化小波神经网络的短时交通流预测算法，以改进粒子群优化算法寻优后期容易出现“惰性”粒子，过早地收敛到局部最优点。仿真结果表明，该融合模型的预测效果优于粒子群优化的小波神经网络，提高了收敛速度。 |
| 作者： | 闫纪如 |
| 专业： | 检测技术与自动化装置 |
| 导师： | 沈永增 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
