基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè).pdf

1、基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)是本文的研究重點(diǎn)。日益嚴(yán)重的交通擁擠、道路堵塞、交通環(huán)境惡化問(wèn)題，需要交通控制和誘導(dǎo)系統(tǒng)提供實(shí)時(shí)準(zhǔn)確的道路交通信息，因此短時(shí)交通流預(yù)測(cè)具有很重要的意義。本文首先分析了交通流變化的本質(zhì)不確定性和非線性特性，然后根據(jù)幾種小波函數(shù)的特點(diǎn)，選取Morlet和Meyer小波基作為神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)，建立小波神經(jīng)網(wǎng)絡(luò)模型，然后用遺傳算法對(duì)小波神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和伸縮平移尺度進(jìn)行二次優(yōu)化。為了提高交通量數(shù)據(jù)的

2、可利用度，首先對(duì)交通流數(shù)據(jù)進(jìn)行預(yù)處理，用小波分析方法去除交通流信號(hào)中的奇異點(diǎn)，達(dá)到消噪的目的，為了提高模型收斂的速度和預(yù)測(cè)的精度，對(duì)數(shù)據(jù)進(jìn)行歸一化處理。在仿真階段，為了凸顯利用遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)模型的效果，依次用神經(jīng)網(wǎng)絡(luò)模型、小波神經(jīng)網(wǎng)絡(luò)模型、基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)模型層層逼近的方法進(jìn)行仿真預(yù)測(cè)，結(jié)果表明，擬合程度越來(lái)越高，誤差逐漸減小，基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)模型在短時(shí)交通流預(yù)測(cè)中存在明顯的優(yōu)勢(shì)，在理論上是可行的，提高了交