基于遺傳神經(jīng)網(wǎng)絡(luò)時(shí)間序列法的交通荷載動(dòng)態(tài)預(yù)測(cè).pdf

1、交通荷載的動(dòng)態(tài)預(yù)測(cè)是進(jìn)行路面設(shè)計(jì)和評(píng)價(jià)的前提，其預(yù)測(cè)的正確與否將直接影響到設(shè)計(jì)和評(píng)價(jià)的合理性。交通荷載的變化受各種因素的影響，特別是隨著時(shí)間的推移，交通荷載將呈現(xiàn)出動(dòng)態(tài)變化的趨勢(shì)。 事物之間存在其內(nèi)部固有的規(guī)律，歷年的交通荷載變化也應(yīng)有一定的規(guī)律。這種規(guī)律可能不是一般的規(guī)律，它有其復(fù)雜性。在以往的交通量預(yù)測(cè)方法中都對(duì)這種規(guī)律進(jìn)行了研究，但效果并不是特別好。 人工智能技術(shù)的出現(xiàn)給預(yù)測(cè)方法的改進(jìn)提供了更好的理論。神經(jīng)網(wǎng)絡(luò)使預(yù)

2、測(cè)的精度更進(jìn)一步提高，但它本身也有缺點(diǎn)。為了彌補(bǔ)這些缺點(diǎn)，本文提出了將遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，利用歷年的交通荷載量對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。優(yōu)化后的神經(jīng)網(wǎng)絡(luò)能更好的反映出交通荷載量之間的內(nèi)部關(guān)系。利用經(jīng)過優(yōu)化、訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)再進(jìn)行預(yù)測(cè)，就能得到理想的效果。 本文采用人工智能的方法開發(fā)路面交通荷載預(yù)測(cè)模型。針對(duì)預(yù)測(cè)系統(tǒng)的非線性，采用將遺傳算法與BP網(wǎng)絡(luò)相結(jié)合的算法。利用遺傳算法全局尋優(yōu)的特點(diǎn)來優(yōu)化BP網(wǎng)絡(luò)