基于改进灰狼算法优化BP神经网络的短时交通流预测模型

摘要：

准确的短时交通流预测是交通控制和交通诱导的依据.提出一种基于改进灰狼算法(TGWO)优化BP神经网络的短时交通流预测模型(TGWO-BP),有效提高短时交通流预测精度.针对标准灰狼算法(GWO)收敛速度慢,容易陷入局部极值的问题,提出一种自适应递减的收敛因子,使灰狼算法区分全局搜索和局部搜索;改进灰狼个体的位置更新公式,引入惯性权重,调节惯性权重大小使灰狼算法具有跳出局部极值的能力;对比分析TGWO-BP、GWO-BP、PSO-BP、BP这4种短时交通流预测模型,结果显示,TGWO-BP的短时交通流预测模型误差为10.03％,达到较好的预测精度.

关键词：智能交通、短时交通流预测、改进灰狼算法(TGWO)、BP神经网络、收敛因子、惯性权重

所属期刊栏目：20

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：河北省科技计划重点项目/;Science and Technology Plan Project of Hebei Province ;石家庄市科技计划项目/;Science and Technology Project of Shijiazhuang

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：196-203