版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,短時交通流預(yù)測已經(jīng)成為智能交通系統(tǒng)(ITS)研究的熱點領(lǐng)域。短時交通流預(yù)測是解決交通控制系統(tǒng)和交通誘導(dǎo)系統(tǒng)等領(lǐng)域問題的關(guān)鍵。研究短時交通流預(yù)測的理論和方法,從而實現(xiàn)比較準(zhǔn)確的預(yù)測未來15分鐘甚至更短時間的道路交通狀況,這對于緩解城市交通擁堵、避免社會資源浪費有著重要的意義和應(yīng)用價值。
論文以城市中快速路單斷面的交通流量為研究對象,考慮該斷面過去若干時刻的交通流量,分別建立了基于小波神經(jīng)網(wǎng)絡(luò)和基于Elman神經(jīng)網(wǎng)絡(luò)的
2、短時交通流預(yù)測模型。首先,針對小波神經(jīng)網(wǎng)絡(luò)中存在的許多問題,如網(wǎng)絡(luò)收斂慢、易陷入局部極小點、容易引起震蕩效應(yīng),論文對傳統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程進行了一些改進,即在權(quán)值和閾值的調(diào)整過程中引入了附加動量項。最后,網(wǎng)絡(luò)在修正其權(quán)值和閾值時引入附加動量項,使得其不僅考慮了誤差在梯度上的作用,而且考慮了在誤差曲面上的變化趨勢的影響。仿真實驗表明:動量項的引入不僅減小了學(xué)習(xí)過程的震蕩趨勢,而且比較明顯的改善了網(wǎng)絡(luò)的收斂性,訓(xùn)練效果也比較理想。
3、> 針對現(xiàn)有文獻(xiàn)對利用Elman神經(jīng)網(wǎng)絡(luò)進行交通流預(yù)測,由于網(wǎng)絡(luò)易陷入局部最小值而導(dǎo)致預(yù)測精度不高的問題,提出了一種基于遺傳算法的Elman神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測模型。該模型首先采用遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,種群中每個個體都包含了網(wǎng)絡(luò)所有的權(quán)值和閾值,每個個體可通過適應(yīng)度函數(shù)計算個體的適應(yīng)度值,遺傳算法通過選擇、交叉和變異操作找到最優(yōu)適應(yīng)度值對應(yīng)的個體。最后,Elman神經(jīng)網(wǎng)絡(luò)預(yù)測用遺傳算法得到的最優(yōu)個體對網(wǎng)絡(luò)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測研究.pdf
- 基于混沌和神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)模型的短時交通流預(yù)測及應(yīng)用研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測及應(yīng)用研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測.pdf
- 基于改進小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf
- 基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法研究.pdf
- 基于混沌和PSO神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的短時交通流量預(yù)測算法研究.pdf
- 面向短時交通流量預(yù)測的神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測算法研究.pdf
- 基于混沌和模糊神經(jīng)網(wǎng)絡(luò)的城市短時交通流量預(yù)測.pdf
- 短時交通流的混沌性分析及其基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型研究.pdf
- 基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測.pdf
- 基于布谷鳥算法的小波神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測研究.pdf
- 基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf
- 基于改進神經(jīng)網(wǎng)絡(luò)的垂直交通流預(yù)測方法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測.pdf
- 基于粗神經(jīng)網(wǎng)絡(luò)的混沌交通流預(yù)測研究.pdf
評論
0/150
提交評論