基于混沌和神經(jīng)網(wǎng)絡(luò)的短時交通流預測研究.pdf

1、短期交通流預測一直是一個比較活躍但結(jié)果卻不令人滿意的研究課題。近年來，眾多學者把交通系統(tǒng)看作是一個非線性的確定性動力學系統(tǒng)，用非線性確定系統(tǒng)規(guī)律研究交通流的行為越來越顯示出強大生命力。隨著非線性理論和技術(shù)的發(fā)展，混沌理論和神經(jīng)網(wǎng)絡(luò)等成為交通系統(tǒng)強有力的分析和預測工具。 首先，針對BP網(wǎng)絡(luò)訓練中尚存在的許多問題，如網(wǎng)絡(luò)收斂慢，易陷入局部極小點等，本文對原算法和目前常用的改進算法進行了分析，找出了原算法存在問題的原因。并試圖在前人工

2、作基礎(chǔ)上，對原有算法做出些微改進，以期新算法在短時交通流預測中取得良好表現(xiàn)。 本文主要從激活函數(shù)和學習規(guī)則這兩個角度修改算法： 1．重新選取激活函數(shù)，并對步長因子、動量因子做出相應修改。 2．為了解決有固定學習步長BP算法的效率問題，本文提出了一種基于共軛梯度方法的全局最優(yōu)化學習規(guī)則，并對所得新算法的收斂性做出了分析及簡要證明。 其次，本文將該改進算法應用于京珠高速公路的某路段短時交通流量預測。在這一應用

3、中，我們將其預測結(jié)果與傳統(tǒng)的BP網(wǎng)絡(luò)預測結(jié)果做出比較，結(jié)果表明該算法的精確度和效率比傳統(tǒng)的BP網(wǎng)絡(luò)預測方法要優(yōu)越。 再次，本文對短時交通流量序列進行了混沌性識別，證實了短時交通流存在混沌現(xiàn)象，并在本文所提出的BP改進算法的基礎(chǔ)上，試用混沌理論對單變量的數(shù)據(jù)進行相空間重構(gòu)后結(jié)合神經(jīng)網(wǎng)絡(luò)進行預測，并與不采用混沌理論處理的神經(jīng)網(wǎng)絡(luò)預測進行了對比，認為：采用混沌重構(gòu)對于單變量神經(jīng)網(wǎng)絡(luò)的預測精度是有影響的，因為采用混沌重構(gòu)的神經(jīng)網(wǎng)絡(luò)，其預