基于螢火蟲算法和RBF神經(jīng)網(wǎng)絡的高速公路交通流預測.pdf

1、通過對高速公路交通狀態(tài)的整體變化趨勢進行有效的掌控，可以有效的緩解高速公路的擁堵以及防止交通事故的發(fā)生。高速公路車流量預測是其中關鍵性的問題，而車流量具有復雜性、非線性等特點，使得傳統(tǒng)的預測模型無法準確地預測車流量的變化趨勢。
　　徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡作為一種具有代表性的神經(jīng)網(wǎng)絡模型，它具有學習速度快、收斂性強、自學習、自適應等優(yōu)點，并且不會出現(xiàn)局部極小值問題，它是對非線性函數(shù)的最佳逼近。所以對于R BF神經(jīng)網(wǎng)絡的研究成為

2、了車流量預測模型中的熱點問題，但是RB F神經(jīng)網(wǎng)絡中隱層神經(jīng)元的參數(shù)確定是其難點。而智能群算法可以有效的解決該問題，因此，本文提出了利用螢火蟲算法優(yōu)化R BF神經(jīng)網(wǎng)絡，確定隱層神經(jīng)元的中心、寬度以及隱層神經(jīng)元到輸出層神經(jīng)元之間的權值。
　　本文首先分析了BP神經(jīng)網(wǎng)絡與R BF神經(jīng)網(wǎng)絡的原理以及結構特點，并對比兩種神經(jīng)網(wǎng)絡模型，結果表明R BF神經(jīng)網(wǎng)絡具有結構簡單、收斂性能好等特點。其次分別分析了常用的兩種智能群優(yōu)化算法，即遺傳算法

3、、粒子群算法，分析了兩者的實現(xiàn)原理以及優(yōu)缺點。接著對螢火蟲算法的原理以及在R BF神經(jīng)網(wǎng)絡的應用進行了詳細的分析和說明，并提出了基于改進的螢火蟲算法優(yōu)化的R BF神經(jīng)網(wǎng)絡預測模型。最后設計了基于遺傳算法、粒子群算法、螢火蟲算法優(yōu)化的三種神經(jīng)網(wǎng)絡模型，并利用真實的高速公路車流量數(shù)據(jù)對三種神經(jīng)網(wǎng)絡模型進行訓練，并利用訓練好的三種模型對高速公路上的車流量進行預測，從預測準確度、訓練效率以及泛化能力三個方面對仿真結果做了分析。結果表明基于改進的