改进人工蜂群算法优化RBF神经网络的短时交通流预测

发布时间：2017-12-27 03:04

本文关键词：改进人工蜂群算法优化RBF神经网络的短时交通流预测　出处：《计算机工程与科学》2016年04期 　论文类型：期刊论文

【摘要】：为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。
[Abstract]:In order to improve the accuracy of radial basis function RBF neural network prediction model for short-term traffic flow prediction, a short-term traffic flow prediction model based on improved artificial bee colony algorithm and RBF neural network optimization is proposed. The improved artificial bee colony algorithm is used to determine the hidden value and hidden layer number of RBF network. Then, the improved artificial bee colony algorithm RBF neural network prediction model is trained and applied to the short-term traffic flow data verification of a city for 4 days. The experimental results are compared with the traditional RBF neural network prediction model, the BP neural network prediction model and the wavelet neural network prediction model. The comparison results show that the method has higher prediction accuracy for short time traffic flow.
【作者单位】：桂林电子科技大学计算机科学与工程学院;
【基金】：广西自然科学基金(2013GXNSFAA019350)
【分类号】：U491.14;TP18
【正文快照】： 1引言城市化进程随着社会经济的快速发展而不断加快,而汽车需求和交通需求也随之增长,城市交通拥堵和交通事故等问题成为现代交通的一大挑战。交通诱导和交通控制两种方式在缓解交通压力与构建智能交通系统方面起着极其关键的作用。作为现代智能交通系统的核心内容之一,短时交

【相似文献】