基于GA-WNN神经网络模型的交通流量预测

发布时间：2021-06-11 23:32

　　针对小波网络结构不稳定和容易陷入局部最小造成预测结果误差过大的问题,以辽宁省某高速公路为研究对象,利用遗传算法具有自适应随机优化搜索能力、收敛速度快的特点,提出一种基于GA-WNN神经网络的高速公路日交通流量预测方法。模型仿真结果表明,遗传算法优化小波神经网络预测的误差精度为8.35%,与传统BP神经网络和小波神经网络相比,预测精度显著提高,具有更好的预测能力。 

【文章来源】：现代电子技术. 2020,43(15)北大核心

【文章页数】：4 页

【部分图文】：

小波神经网络结构图

式中：N为神经网络实验测试的样本数量，为10个；xi为第i天的实际交通流量；x′i为第i天的预测交通流量。将3种预测模型进行训练预测，输出结果如图2所示，图3为3种模型的相对误差对比，表1为各模型的预测效果对比。图3 三种预测模型误差对比

图2 多种预测模型预测值与实际值对比从表1中可以看出：BP神经网络误差较高，不适宜用于预测，小波神经网络误差为15.43%，明显低于BP神经网络的26.52%，而遗传算法优化小波神经网络的平均相对误差为8.35%，均方差为121.19，与前两者相比均有明显下降。由图3可知：遗传算法优化小波神经网游预测值与实际值较为接近，进一步验证了加入遗传算子的小波神经网络的预测效果。


本文编号：3225483