10.3969/j.issn.1006-9348.2018.07.022
基于自适应GA_Elman神经网络的短时交通预测
为了提高短时交通流量的预测精度和针对Elman神经网络容易陷入局部最小值的缺点,采用了自适应GA_Elman神经网络模型.通过对比Elman神经网络不同隐含层数模型的预测误差,选用最佳层数;通过输入的样本数自动选取隐含层的节点数来实现隐含节点的自适应,通过遗传算法优化模型的权值和阈值,从而获得最佳的预测模型.通过实例分析,与Elman神经网络、GA_Elman模型进行对比,表明模型具有更好的预测效果.
遗传算法、不同隐含层数、自适应隐含层节点数、短时交通预测
35
TP391.9(计算技术、计算机技术)
江西省教育厅科技项目GJJ160609;国家自然科学基金项目51268017
2018-09-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
103-107