改进PSO优化RBFNN的短时交通流量预测方法
针对短时交通流的预测精度问题,该文用PSO算法优化RBFNN模型的基础上,引入学习因子优化策略对PSO算法改进,进一步提高预测精度.该文针对PSO算法中认知因子和社会因子在全局搜索和局部搜索的不同作用,对非线性的学习因子做出异步调优改进,通过利用某路段的高速公路监测数据对改进的PSO-RBFNN算法进行训练,获得最优参数值,对短时交通流量进行预测,并将仿真结果与其他模型进行对比分析.实验结果表明,该文改进的PSO-RBFNN模型预测结果稳定,更适用于短时交通流量预测,具有更高的精度.
粒子群算法(PSO)、神经网络、径向基(RBF)神经网络、交通流量预测
17
TP39(计算技术、计算机技术)
2021-03-17(万方平台首次上网日期,不代表论文的发表时间)
共3页
226-228