基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測算法研究.pdf

1、在日益繁忙的工作生活中，交通出行占據(jù)的重要地位已經(jīng)日益凸顯。減緩交通擁堵，提高路網(wǎng)的使用效率，盡最大可能減少交通事故的發(fā)生概率，已經(jīng)成為各個國家共識。路網(wǎng)交通流預(yù)測算法的進一步研究及應(yīng)用，已經(jīng)作為解決上述一系列問題的一個有效處理方案，在智能交通系統(tǒng)(Intelligent Transport Systems，ITS)扮演著日益重要的角色。
　　本文基于BP神經(jīng)網(wǎng)絡(luò)建立了城市短時交通流預(yù)測模型，分別用遺傳算法和思維進化算法進行了優(yōu)化

2、。不同于遺傳算法，思維進化算法采用“群體尋優(yōu)”取代了“個體尋優(yōu)”，使用“趨同”和“異化”操作取代了遺傳算法中的“交叉”和“變異”操作。思維進化算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，首先產(chǎn)生初始種群，然后采用思維進化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。當訓(xùn)練結(jié)束后，評價訓(xùn)練結(jié)果，若不滿足條件，再重新采用思維進化算法進行優(yōu)化操作。分別分析了三種模型的構(gòu)建原理，最后用實際交通數(shù)據(jù)對三種模型進行了仿真，將仿真結(jié)果進行比較。實驗測試結(jié)果證實，當進行短時路網(wǎng)交