發(fā)布時間：2017-12-27 03:04

  本文關(guān)鍵詞：改進人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡的短時交通流預測　出處：《計算機工程與科學》2016年04期 　論文類型：期刊論文

  更多相關(guān)文章： 交通流預測 RBF神經(jīng)網(wǎng)絡 BP神經(jīng)網(wǎng)絡 小波神經(jīng)網(wǎng)絡 人工蜂群算法

【摘要】：為了提高徑向基函數(shù)RBF神經(jīng)網(wǎng)絡預測模型對短時交通流的預測準確性,提出了一種基于改進人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡的短時交通流預測模型。利用改進人工蜂群算法確定RBF網(wǎng)絡隱含層的中心值以及隱含層單元數(shù),然后訓練改進的人工蜂群算法RBF神經(jīng)網(wǎng)絡預測模型,并將其應用到某城市4天的短時交通流量數(shù)據(jù)的驗證。將實驗結(jié)果與傳統(tǒng)RBF神經(jīng)網(wǎng)絡預測模型、BP神經(jīng)網(wǎng)絡預測模型和小波神經(jīng)網(wǎng)絡預測模型進行了比較。對比結(jié)果表明,該方法對短時交通流具有更高的預測準確性。
[Abstract]:In order to improve the accuracy of radial basis function RBF neural network prediction model for short-term traffic flow prediction, a short-term traffic flow prediction model based on improved artificial bee colony algorithm and RBF neural network optimization is proposed. The improved artificial bee colony algorithm is used to determine the hidden value and hidden layer number of RBF network. Then, the improved artificial bee colony algorithm RBF neural network prediction model is trained and applied to the short-term traffic flow data verification of a city for 4 days. The experimental results are compared with the traditional RBF neural network prediction model, the BP neural network prediction model and the wavelet neural network prediction model. The comparison results show that the method has higher prediction accuracy for short time traffic flow.
【作者單位】： 桂林電子科技大學計算機科學與工程學院;
【基金】：廣西自然科學基金(2013GXNSFAA019350)
【分類號】：U491.14;TP18
【正文快照】： 1引言城市化進程隨著社會經(jīng)濟的快速發(fā)展而不斷加快,而汽車需求和交通需求也隨之增長,城市交通擁堵和交通事故等問題成為現(xiàn)代交通的一大挑戰(zhàn)。交通誘導和交通控制兩種方式在緩解交通壓力與構(gòu)建智能交通系統(tǒng)方面起著極其關(guān)鍵的作用。作為現(xiàn)代智能交通系統(tǒng)的核心內(nèi)容之一,短時交

【相似文獻】

相關(guān)期刊論文 前10條

1 白艷萍,楊明,吳鋼;神經(jīng)網(wǎng)絡在組合優(yōu)化問題中的應用[J];華北工學院學報;2000年03期

2 劉宇紅,龐偉正;基于神經(jīng)網(wǎng)絡的多用戶檢測器[J];哈爾濱工程大學學報;2000年05期

3 劉玉萍,趙健,李勇,謝紅梅,陸堯;神經(jīng)網(wǎng)絡在模擬系統(tǒng)故障診斷中的應用[J];南昌航空工業(yè)學院學報;2000年02期

4 侯志祥,劉振聞,顏學斌;基于神經(jīng)網(wǎng)絡的我國汽車保有量建模與預測[J];內(nèi)蒙古公路與運輸;2000年04期

5 劉占生,蘇平線,姜興渭;航天器電源模擬系統(tǒng)故障診斷的神經(jīng)網(wǎng)絡方法[J];哈爾濱工業(yè)大學學報;2001年01期

6 許進,保錚;神經(jīng)網(wǎng)絡與圖論[J];中國科學E輯:技術(shù)科學;2001年06期

7 王慧,盧和,李光泉,劉寶坤;子波基神經(jīng)網(wǎng)絡及其建模[J];天津理工學院學報;2001年03期

8 熊和金;大功率人工神經(jīng)網(wǎng)絡模型研究[J];南京理工大學學報(自然科學版);2002年04期

9 喬俊偉,施光林,詹永麒;基于結(jié)構(gòu)的神經(jīng)網(wǎng)絡在參數(shù)優(yōu)化中的應用[J];上海交通大學學報;2002年08期

10 鄧建,朱合華;基于神經(jīng)網(wǎng)絡的巖土工程結(jié)構(gòu)隨機有限元分析[J];同濟大學學報(自然科學版);2002年03期

相關(guān)會議論文 前10條

1 王雷;陳宗海;;神經(jīng)網(wǎng)絡在過程系統(tǒng)建模中的應用綜述[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 周宗潭;胡德文;;自組織的神經(jīng)網(wǎng)絡方法和群落生長模型研究[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

3 侯媛彬;易繼鍇;楊玉珍;陳雙葉;韓崇昭;;一種能消除混沌現(xiàn)象的神經(jīng)網(wǎng)絡[A];1996年中國智能自動化學術(shù)會議論文集（上冊）[C];1996年

4 江銘炎;江銘虎;;一種神經(jīng)網(wǎng)絡特征壓縮及分類的研究[A];1998年中國智能自動化學術(shù)會議論文集（上冊）[C];1998年

5 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡的漢語四聲識別[A];第一屆全國語言識別學術(shù)報告與展示會論文集[C];1990年

6 劉豐;姜建新;程俊;易克初;;一種用于語音識別的神經(jīng)網(wǎng)絡[A];第二屆全國人機語音通訊學術(shù)會議論文集[C];1992年

7 梁循;;神經(jīng)網(wǎng)絡中訓練樣本空間的分割特性及其應用[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

8 黃小原;肖四漢;樊治平;;神經(jīng)網(wǎng)絡預警系統(tǒng)及其應用[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

9 李艷;邵日祥;方建安;邵世煌;;神經(jīng)網(wǎng)絡在功率電子及拖動控制中的應用[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

10 高文忠;顧樹生;平力;;靜態(tài)神經(jīng)網(wǎng)絡新算法及其收斂性初探[A];1994年中國控制會議論文集[C];1994年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

，

本文編號：1339964