基于改进遗传算法优化BP神经网络的短时交通流量预测方法研究

被引：6

作者：

张春生

刘树东

谭覃

机构：

[1] 天津城建大学计算机与信息工程学院

来源：

天津城建大学学报 | 2017年 / 23卷 / 02期

关键词：

BP神经网络; 遗传算法; 精英选择; 自适应; 短时交通流量;

D O I：

10.19479/j.2095-719x.1702143

中图分类号：

U491.14 []; TP18 [人工智能理论];

学科分类号：

082302 ; 082303 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

短时交通流量预测是智能交通系统的重要技术之一.BP神经网络可以充分逼近任意复杂的非线性系统,但存在收敛速度缓慢、易陷入局部极值等缺点.针对短时交通流量预测高度不确定性和非线性的特点,结合保留精英遗传算法和自适应遗传算法,提出了保留精英自适应遗传算法,建立了保留精英自适应遗传算法优化BP神经网络的短时交通流量预测模型.仿真结果表明,该模型提高了短时交通流量预测的准确性和可靠性.

引用

页码：143 / 148

页数：6

共 14 条

[1] 改进GA优化BP神经网络的短时交通流预测 [J].

卢建中 ;

程浩 .

合肥工业大学学报(自然科学版), 2015, 38 (01) :127-131

[2] 改进的遗传算法求解旅行商问题 [J].

于莹莹 ;

陈燕 ;

李桃迎 .

控制与决策, 2014, 29 (08) :1483-1488

[3] 遗传算法优化BP神经网络的短时交通流混沌预测 [J].

李松 ;

刘力军 ;

解永乐 .

控制与决策 , 2011, (10) :1581-1585

[4] 多子群遗传神经网络模型用于路口短时交通流量预测 [J].

刘汉丽 ;

周成虎 ;

朱阿兴 ;

李霖 .

测绘学报, 2009, (04) :363-368

[5] 基于最优梯度自适应优化算法的交通流预测 [J].

黄洪琼 ;

汤天浩 .

计算机工程, 2007, (07) :23-24+27

[6]

Adaptive Kalman filter approach for stochastic short-term traffic flow rate prediction and uncertainty quantification[J] . Jianhua Guo,Wei Huang,Billy M. Williams. Transportation Research Part C . 2014

[7]

Short-term traffic speed forecasting hybrid model based on Chaos–Wavelet Analysis-Support Vector Machine theory[J] . Jin Wang,Qixin Shi. Transportation Research Part C . 2012

[8]

Forecasting the short-term metro passenger flow with empirical mode decomposition and neural networks[J] . Yu Wei,Mu-Chen Chen. Transportation Research Part C . 2011 (1)

[9]

Online-SVR for short-term traffic flow prediction under typical and atypical traffic conditions[J] . Manoel Castro-Neto,Young-Seon Jeong,Myong-Kee Jeong,Lee D. Han. Expert Systems With Applications . 2008 (3)

[10]

Adaptive hybrid fuzzy rule-based system approach for modeling and predicting urban traffic flow[J] . Loukas Dimitriou,Theodore Tsekeris,Antony Stathopoulos. Transportation Research Part C . 2007 (5)

← 1 2 →