GABP神经网络在交通流预测中的应用研究

交通流的预测是智能交通系统的重要技术之一,传统的神经网络预测方法存在对初始网络权值设置敏感、易陷入局部极小点、收敛速度慢等缺点。GABP神经网络是指在传统的BP神经网络的基础之上引入遗传算法,对神经网络的初始权值优化后再使用神经网络进行学习和训练。经本文验证,GABP网络不仅可以很好的避开传统BP网络的这些弊端,继承神经网络很强的学习、训练能力,同时也提高了网络的预测精度。