基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè)研究.pdf

1、　　智能交通系統(tǒng)(ITS)是目前緩解城市交通壓力、減少環(huán)境污染的一種有效、新型的方法。交通流量預(yù)測(cè)是智能交通系統(tǒng)的重要組成部分，其中短時(shí)交通流量預(yù)測(cè)是交通流量預(yù)測(cè)中主要的研究?jī)?nèi)容，及時(shí)獲取短時(shí)交通流量預(yù)測(cè)的信息有助于保障交叉路口的暢通。因此如何獲取準(zhǔn)確的短時(shí)交通流量預(yù)測(cè)信息是保證交通有效運(yùn)行的關(guān)鍵。
　　根據(jù)城市路況交通流量高度的非線性和不確定性等特點(diǎn)以及以往交通流量預(yù)測(cè)的方法，本文在對(duì)神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)上建立了基于 BP 神經(jīng)

2、網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè)模型，通過仿真實(shí)驗(yàn)驗(yàn)證了梯度下降法的不足，使用 LM 學(xué)習(xí)算法作為 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法，并通過仿真實(shí)例驗(yàn)證了該算法的可行性。
　　為了克服BP神經(jīng)網(wǎng)絡(luò)因初始參數(shù)選取不當(dāng)而造成易陷入局部極小點(diǎn)的缺點(diǎn)，將智能優(yōu)化算法引入到優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)的初始參數(shù)中，分別介紹了粒子群優(yōu)化算法和遺傳算法的基本原理以及它們的改進(jìn)算法，并利用這些智能算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，在此基礎(chǔ)上分別建立了基于PSO-