10.3778/j.issn.1002-8331.1212-0188
CS 算法优化 BP 神经网络的短时交通流量预测
为了提高短时交通流量的预测精度,提出一种布谷鸟搜索算法优化 BP 神经网络参数的短时交通流量预测模型(CS-BPNN).基于混沌理论对短时交通流量时间序列进行相空间重构,将重构后的时间序列输入到 BP神经网络进行学习,采用布谷鸟搜索算法找到 BP 神经网络最优参数,建立短时交通流量预测模型,通过具体实例对 CS-BPNN 性能进行测试.仿真结果表明,相对于对比模型,CS-BPNN 提高了短时交通流量的预测精度,更加准确反映了短时交通流量的变化趋势.
短时交通流量、相空间重构、布谷鸟搜索算法、高斯扰动、反向传播(BP)神经网络
TP393(计算技术、计算机技术)
2013-05-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
106-109