基于萤火虫算法和RBF神经网络的高速公路交通流预测

发布时间：2017-06-20 12:13

  本文关键词：基于萤火虫算法和RBF神经网络的高速公路交通流预测，，由笔耕文化传播整理发布。

【摘要】：通过对高速公路交通状态的整体变化趋势进行有效的掌控,可以有效的缓解高速公路的拥堵以及防止交通事故的发生。高速公路车流量预测是其中关键性的问题,而车流量具有复杂性、非线性等特点,使得传统的预测模型无法准确地预测车流量的变化趋势。径向基函数(RBF)神经网络作为一种具有代表性的神经网络模型,它具有学习速度快、收敛性强、自学习、自适应等优点,并且不会出现局部极小值问题,它是对非线性函数的最佳逼近。所以对于RBF神经网络的研究成为了车流量预测模型中的热点问题,但是RBF神经网络中隐层神经元的参数确定是其难点。而智能群算法可以有效的解决该问题,因此,本文提出了利用萤火虫算法优化RBF神经网络,确定隐层神经元的中心、宽度以及隐层神经元到输出层神经元之间的权值。本文首先分析了BP神经网络与RBF神经网络的原理以及结构特点,并对比两种神经网络模型,结果表明RBF神经网络具有结构简单、收敛性能好等特点。其次分别分析了常用的两种智能群优化算法,即遗传算法、粒子群算法,分析了两者的实现原理以及优缺点。接着对萤火虫算法的原理以及在RBF神经网络的应用进行了详细的分析和说明,并提出了基于改进的萤火虫算法优化的RBF神经网络预测模型。最后设计了基于遗传算法、粒子群算法、萤火虫算法优化的三种神经网络模型,并利用真实的高速公路车流量数据对三种神经网络模型进行训练,并利用训练好的三种模型对高速公路上的车流量进行预测,从预测准确度、训练效率以及泛化能力三个方面对仿真结果做了分析。结果表明基于改进的萤火虫算法优化的RBF神经网络预测模型具有更高的预测准确度,更快的训练速度,以及更好的泛化能力。
【关键词】：RBF神经网络 高速公路车流量预测 萤火虫算法 粒子群算法
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.14;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-18
• 1.1 研究意义9-11
• 1.2 国内外研究现状11-15
• 1.2.1 国外研究现状11-13
• 1.2.2 国内研究现状13-14
• 1.2.3 研究述评14-15
• 1.3 主要的预测方法15-16
• 1.4 论文的主要工作16-17
• 1.5 论文的结构安排17-18
• 第二章 径向基函数神经网络的基本原理18-25
• 2.1 人工神经网络的发展18-19
• 2.2 人工神经网络的基本原理及特点19-21
• 2.3 RBF神经网络的结构和特点21-23
• 2.4 RBF神经网络与BP神经网络对比23-24
• 2.5 本章小结24-25
• 第三章 智能群优化算法25-44
• 3.0 RBF神经网络隐层参数的确定25-27
• 3.1 遗传算法27-33
• 3.1.1 遗传算法的原理27-30
• 3.1.2 遗传算法在RBF神经网络的应用30-32
• 3.1.3 遗传算法的优缺点分析32-33
• 3.2 粒子群算法33-37
• 3.2.1 粒子群算法的原理33-35
• 3.2.2 粒子群算法在RBF神经网络的应用35-36
• 3.2.3 粒子群算法的优缺点分析36-37
• 3.3 萤火虫算法37-43
• 3.3.1 萤火虫算法的原理37
• 3.3.2 萤火虫算法相关概念37-39
• 3.3.3 萤火虫算法在RBF神经网络的应用39-41
• 3.3.4 萤火虫算法的改进41-42
• 3.3.5 萤火虫算法的优缺点分析42-43
• 3.4 本章小结43-44
• 第四章 实验与分析44-59
• 4.1 实验44-52
• 4.1.1 实验数据及预处理44-46
• 4.1.2 参数设置46
• 4.1.3 基于遗传算法优化的RBF神经网络实验46-48
• 4.1.4 基于粒子群算法优化的RBF神经网络实验48-50
• 4.1.5 基于萤火虫算法优化的RBF神经网络实验50-52
• 4.2 实验结果的分析52-58
• 4.3 本章小结58-59
• 第五章 总结与展望59-61
• 5.1 总结59-60
• 5.2 展望60-61
• 参考文献61-66
• 攻读硕士期间取得的成果66-67
• 致谢67

【参考文献】

中国期刊全文数据库 前6条

1 宋子房;;公路短时车流量预测模型研究[J];科学决策;2014年04期

2 张凯;卢邹颖;;短时车流量组合预测模型[J];南京信息工程大学学报(自然科学版);2013年05期

3 蒋亚平;郭俊亮;;基于马尔柯夫过程的交叉路口车流量预测模型研究[J];郑州轻工业学院学报(自然科学版);2012年06期

4 冯明发;卢锦川;;粒子群优化RBF神经网络的短时交通流量预测[J];计算机仿真;2010年12期

5 张玉梅;曲仕茹;温凯歌;;基于混沌和RBF神经网络的短时交通流量预测[J];系统工程;2007年11期

6 赵清林,郭艳兵,梅强,齐占庆;确定RBF神经网络中心点的方法综述[J];广东自动化与信息工程;2002年02期

  本文关键词：基于萤火虫算法和RBF神经网络的高速公路交通流预测，由笔耕文化传播整理发布。

本文编号：465588