基于启发式算法的短时交通流量预测研究
针对初始参数的有效性直接影响BP神经网络对短时交通流量预测的准确性这一问题，该文提出了基于CS（Cuckoo Search）算法与BP（Back Propagation）神经网络相结合的启发式算法来进行短时交通流量预测。该算法首先用相空间重构理论对训练序列进行重构，接着把重构后的序列作为BP神经网络的输入序列，同时采用CS算法来进行BP神经网络的最优阀值与初始连接权值的寻找，最后就得到了所需要的预测模型。仿真表明，本文所提算法在短时间内能够准确地预测交通流量的变化趋势，从而大大增加了所预测流量的可信度。
BP神经网络、短时交通流量、CS算法
TP311(计算技术、计算机技术)
2014-09-16（万方平台首次上网日期，不代表论文的发表时间）
共4页
5513-5515,5518
