科技视界
科技視界
과기시계
Science&Technology Vision
2013年
30期
114-115
,共2页
交通流%预测%极限学习机%差分进化
交通流%預測%極限學習機%差分進化
교통류%예측%겁한학습궤%차분진화
交通流预测在智能交通系统中具有重要地位，本文提出了利用极限学习机对交通流进行预测。为了整体提高算法的泛化性能，寻求全局最优解，在极限学习机的训练阶段，利用差分进化算法对其权值进行优化。实验采用西安某地区的交通流数据作为实验数据来评估所提算法的性能。结果表明，所提出的DE-ELM算法在交通流预测中具有较高的精确度，验证了其有效性。
交通流預測在智能交通繫統中具有重要地位，本文提齣瞭利用極限學習機對交通流進行預測。為瞭整體提高算法的汎化性能，尋求全跼最優解，在極限學習機的訓練階段，利用差分進化算法對其權值進行優化。實驗採用西安某地區的交通流數據作為實驗數據來評估所提算法的性能。結果錶明，所提齣的DE-ELM算法在交通流預測中具有較高的精確度，驗證瞭其有效性。
교통류예측재지능교통계통중구유중요지위，본문제출료이용겁한학습궤대교통류진행예측。위료정체제고산법적범화성능，심구전국최우해，재겁한학습궤적훈련계단，이용차분진화산법대기권치진행우화。실험채용서안모지구적교통류수거작위실험수거래평고소제산법적성능。결과표명，소제출적DE-ELM산법재교통류예측중구유교고적정학도，험증료기유효성。
