计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
12期
323-326
,共4页
交通流量%神经网络%粒子群算法%优化
交通流量%神經網絡%粒子群算法%優化
교통류량%신경망락%입자군산법%우화
根据交通流量数据具有非周期性、非线性和随机性等特点,为了更准确地对交通流量进行预测,实现交通智能控制和规划是主要问题.交通流量预测中存在容易陷入局部极小值、收敛速度慢,泛化能力差等问题,影响了交通流量预测的实用性和准确性.提出基于粒子群(PSO)优化RBF神经网络的交通流量预测方法.利用PSO算法操作简单、容易实现等特点及其深刻的智能背景,对RBF神经网络的参数(中心和宽度)、连接权重进行优化,并用经PSO算法优化的RBF神经网络对短时交通流量进行仿真预测,仿真结果表明,PSO算法优化的RBF神经网络具有较高的预测精度,比RBF预测模型精度高、收敛快.PSO算法优化的RBF神经网络,适用于短时交通流量预测,预测精度较高,具有推广应用价值.
根據交通流量數據具有非週期性、非線性和隨機性等特點,為瞭更準確地對交通流量進行預測,實現交通智能控製和規劃是主要問題.交通流量預測中存在容易陷入跼部極小值、收斂速度慢,汎化能力差等問題,影響瞭交通流量預測的實用性和準確性.提齣基于粒子群(PSO)優化RBF神經網絡的交通流量預測方法.利用PSO算法操作簡單、容易實現等特點及其深刻的智能揹景,對RBF神經網絡的參數(中心和寬度)、連接權重進行優化,併用經PSO算法優化的RBF神經網絡對短時交通流量進行倣真預測,倣真結果錶明,PSO算法優化的RBF神經網絡具有較高的預測精度,比RBF預測模型精度高、收斂快.PSO算法優化的RBF神經網絡,適用于短時交通流量預測,預測精度較高,具有推廣應用價值.
근거교통류량수거구유비주기성、비선성화수궤성등특점,위료경준학지대교통류량진행예측,실현교통지능공제화규화시주요문제.교통류량예측중존재용역함입국부겁소치、수렴속도만,범화능력차등문제,영향료교통류량예측적실용성화준학성.제출기우입자군(PSO)우화RBF신경망락적교통류량예측방법.이용PSO산법조작간단、용역실현등특점급기심각적지능배경,대RBF신경망락적삼수(중심화관도)、련접권중진행우화,병용경PSO산법우화적RBF신경망락대단시교통류량진행방진예측,방진결과표명,PSO산법우화적RBF신경망락구유교고적예측정도,비RBF예측모형정도고、수렴쾌.PSO산법우화적RBF신경망락,괄용우단시교통류량예측,예측정도교고,구유추엄응용개치.