針對小波網(wǎng)絡結(jié)構不穩(wěn)定和容易陷入局部最小造成預測結(jié)果誤差過大的問題,以遼寧省某高速公路為研究對象,利用遺傳算法具有自適應隨機優(yōu)化搜索能力、收斂速度快的特點,提出一種基于GA-WNN神經(jīng)網(wǎng)絡的高速公路日交通流量預測方法。模型仿真結(jié)果表明,遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡預測的誤差精度為8.35%,與傳統(tǒng)BP神經(jīng)網(wǎng)絡和小波神經(jīng)網(wǎng)絡相比,預測精度顯著提高,具有更好的預測能力。 

【文章來源】：現(xiàn)代電子技術. 2020,43(15)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

小波神經(jīng)網(wǎng)絡結(jié)構圖

式中：N為神經(jīng)網(wǎng)絡實驗測試的樣本數(shù)量，為10個；xi為第i天的實際交通流量；x′i為第i天的預測交通流量。將3種預測模型進行訓練預測，輸出結(jié)果如圖2所示，圖3為3種模型的相對誤差對比，表1為各模型的預測效果對比。圖3 三種預測模型誤差對比

圖2 多種預測模型預測值與實際值對比從表1中可以看出：BP神經(jīng)網(wǎng)絡誤差較高，不適宜用于預測，小波神經(jīng)網(wǎng)絡誤差為15.43%，明顯低于BP神經(jīng)網(wǎng)絡的26.52%，而遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡的平均相對誤差為8.35%，均方差為121.19，與前兩者相比均有明顯下降。由圖3可知：遺傳算法優(yōu)化小波神經(jīng)網(wǎng)游預測值與實際值較為接近，進一步驗證了加入遺傳算子的小波神經(jīng)網(wǎng)絡的預測效果。


本文編號：3225483