改进PSO优化的BP神经网络短时交通流预测

摘要：

针对目前城市短时交通流预测精度不高的问题,提出一种基于改进粒子群算法优化的BP神经网络短时交通流预测方法.在粒子群算法迭代过程中,当判断算法未成熟收敛时,除最优值对应的个体外,其它部分个体执行遗传算法交叉与变异操作,另外部分个体随机初始化.仿真结果表明,新算法有效提高了收敛精度与稳定性,将其应用于BP神经网络权阈值优化,有效提高了预测精度.在此基础上,开发了基于BP神经网络城市短时交通流预测软件,形象直观,简洁高效,可应用于城市短时交通流预测.

关键词：短时交通流、粒子群算法、神经网络、遗传算法

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：山东省高等学校科技计划项目《基于BP神经网络短时交通流预测模型研究》J17KB153

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：94-98,323