基于极限学习机的交通事故严重程度预测

摘要：

极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测.研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80％ 的样本作为训练集、选取20％ 的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好.

关键词：交通安全、事故严重程度、机器学习、极限学习机、BP神经网络

所属期刊栏目：20

分类号：U491.31(交通工程与公路运输技术管理)

在线出版日期：2018-10-23（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：6-11