基于混沌粒子群算法的神经网络短时交通流预测

被引：9

作者：

唐新来 ^{[1
,2
]}

李春贵 ^{[2
]}

王萌 ^{[2
]}

张增芳 ^{[2
]}

机构：

[1] 广西工学院鹿山学院

[2] 广西工学院计算机工程系

来源：

计算机测量与控制 | 2010年 / 08期

关键词：

交通流量; 预测; 混沌粒子群; 神经网络;

D O I：

10.16526/j.cnki.11-4762/tp.2010.08.077

中图分类号：

TP183 [人工神经网络与计算]; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0838 ;

摘要：

针对短时交通流量具有复杂性、非线性等特点,提出基于粒子群算法的神经网络交叉路口短时交通流量预测方法;利用混沌粒子群算法对BP神经网络权值和阈值进行优化,克服易陷入局部极小和引起振荡效应现象,从而提高了网络的预测精度;实验仿真结果说明,与标准粒子群算法相比较,新算法可以有效提高预测精度,减少预测误差,最大绝对误差下降至12.15%,相对预测误差在10%以内的预测数据提高至57.5%,并且很好地反应了交通流的特点,是一种可行的预测方法。

引用

页码：1893 / 1895

页数：3

共 8 条

[1] 基于粒子群优化的神经网络短时交通流量预测 [J].