科技视界
科技視界
과기시계
Science&Technology Vision
2014年
24期
73-74,174
,共3页
短时交通量%预测%母小波%小波神经网络
短時交通量%預測%母小波%小波神經網絡
단시교통량%예측%모소파%소파신경망락
短时交通量预测是实时管理、调度城市交通的基础.采用小波神经网络方法预测短时交通量,给出了小波变换的基本原理,选取母小波为隐含层基函数构建小波神经网络的基本框架.选取南京市某路段为实例,通过对比传统BP神经网络说明小波神经网络的准确性.实验表明,两种神经网络预测方法都具有一定的准确性,小波神经网络优于BP神经网络.
短時交通量預測是實時管理、調度城市交通的基礎.採用小波神經網絡方法預測短時交通量,給齣瞭小波變換的基本原理,選取母小波為隱含層基函數構建小波神經網絡的基本框架.選取南京市某路段為實例,通過對比傳統BP神經網絡說明小波神經網絡的準確性.實驗錶明,兩種神經網絡預測方法都具有一定的準確性,小波神經網絡優于BP神經網絡.
단시교통량예측시실시관리、조도성시교통적기출.채용소파신경망락방법예측단시교통량,급출료소파변환적기본원리,선취모소파위은함층기함수구건소파신경망락적기본광가.선취남경시모로단위실례,통과대비전통BP신경망락설명소파신경망락적준학성.실험표명,량충신경망락예측방법도구유일정적준학성,소파신경망락우우BP신경망락.