10.3963/j.issn.1674-4861.2008.04.034
基于 QPSO-RBF 的交通量预测方法研究
实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.
量子粒子群优化算法、径向基函数神经网络、混合优化算法、交通量预测
26
U491.1+4(交通工程与公路运输技术管理)
2008-09-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
128-131