计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
4期
162-165
,共4页
混沌算法%时间序列%小波神经网络
混沌算法%時間序列%小波神經網絡
혼돈산법%시간서렬%소파신경망락
Chaotic algorithm%Time series%Wavelet neural network
研究交通车辆的高效调度的问题.随着车辆交通复杂程度的增加,调度过程中车辆的可调度流量特征变得复杂,呈现了非线性变化.传统的车辆调度方法都是以流量特征为基础进行调节,受到交通流量的非线性变化影响,效率偏低.为解决上述问题,在传统的小波神经网络预测交通调度模型中,引入了混沌重构的混沌时间序列预测,并且加入一种基于混沌算法的快速交通信息学习算法,在实际小波神经网络调度模型的建立中,以交通流量混沌时间序列为基础,确定网络模型的输入神经元个数、隐含层个数以及神经元个数,克服非线性的干扰.仿真结果表明,改进模型对车辆的调度精度和改进效果较好.
研究交通車輛的高效調度的問題.隨著車輛交通複雜程度的增加,調度過程中車輛的可調度流量特徵變得複雜,呈現瞭非線性變化.傳統的車輛調度方法都是以流量特徵為基礎進行調節,受到交通流量的非線性變化影響,效率偏低.為解決上述問題,在傳統的小波神經網絡預測交通調度模型中,引入瞭混沌重構的混沌時間序列預測,併且加入一種基于混沌算法的快速交通信息學習算法,在實際小波神經網絡調度模型的建立中,以交通流量混沌時間序列為基礎,確定網絡模型的輸入神經元箇數、隱含層箇數以及神經元箇數,剋服非線性的榦擾.倣真結果錶明,改進模型對車輛的調度精度和改進效果較好.
연구교통차량적고효조도적문제.수착차량교통복잡정도적증가,조도과정중차량적가조도류량특정변득복잡,정현료비선성변화.전통적차량조도방법도시이류량특정위기출진행조절,수도교통류량적비선성변화영향,효솔편저.위해결상술문제,재전통적소파신경망락예측교통조도모형중,인입료혼돈중구적혼돈시간서렬예측,병차가입일충기우혼돈산법적쾌속교통신식학습산법,재실제소파신경망락조도모형적건립중,이교통류량혼돈시간서렬위기출,학정망락모형적수입신경원개수、은함층개수이급신경원개수,극복비선성적간우.방진결과표명,개진모형대차량적조도정도화개진효과교호.