计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2014年
6期
84-86,90
,共4页
混沌%粒子群%小波神经网络%短时交通流预测
混沌%粒子群%小波神經網絡%短時交通流預測
혼돈%입자군%소파신경망락%단시교통류예측
Chaos%Particle swarm%Wavelet neural network%Short-time traffic flow prediction
根据交通流量的非线性、时变性和复杂性等特点,提出基于混沌粒子群CPSO(Chaos Particle Swarm Optimization)优化小波神经网络WNN(Wavelet Neural Networks)的短时交通流预测.结合混沌的随机性和遍历性改进粒子群优化算法,改善粒子群优化算法容易陷入局部最优的问题.利用混沌粒子群算法优化小波神经网络的模型参数,克服传统小波神经网络采用梯度下降法易陷入局部极值和引起振荡效应现象缺陷.仿真结果表明,混沌粒子群优化小波神经网络与粒子群优化小波神经网络和小波神经网络两种方法相比,其提高了收敛速度和预测精度.
根據交通流量的非線性、時變性和複雜性等特點,提齣基于混沌粒子群CPSO(Chaos Particle Swarm Optimization)優化小波神經網絡WNN(Wavelet Neural Networks)的短時交通流預測.結閤混沌的隨機性和遍歷性改進粒子群優化算法,改善粒子群優化算法容易陷入跼部最優的問題.利用混沌粒子群算法優化小波神經網絡的模型參數,剋服傳統小波神經網絡採用梯度下降法易陷入跼部極值和引起振盪效應現象缺陷.倣真結果錶明,混沌粒子群優化小波神經網絡與粒子群優化小波神經網絡和小波神經網絡兩種方法相比,其提高瞭收斂速度和預測精度.
근거교통류량적비선성、시변성화복잡성등특점,제출기우혼돈입자군CPSO(Chaos Particle Swarm Optimization)우화소파신경망락WNN(Wavelet Neural Networks)적단시교통류예측.결합혼돈적수궤성화편력성개진입자군우화산법,개선입자군우화산법용역함입국부최우적문제.이용혼돈입자군산법우화소파신경망락적모형삼수,극복전통소파신경망락채용제도하강법역함입국부겁치화인기진탕효응현상결함.방진결과표명,혼돈입자군우화소파신경망락여입자군우화소파신경망락화소파신경망락량충방법상비,기제고료수렴속도화예측정도.
