基于混沌粒子群算法的神经网络短时交通流预测

• 作者: 唐新来 张增芳 李春贵 王萌
• 来源期刊: 计算机测量与控制
• 关键词: 交通流量 预测 混沌粒子群 神经网络
• 年，卷（期）: 2010,（8）
• 页码范围: 1893-1895
• 分类号: TP391.U491
• 语种: 中文

摘要

针对短时交通流量具有复杂性、非线性等特点,提出基于粒子群算法的神经网络交叉路口短时交通流量预测方法;利用混沌粒子群算法对BP神经网络权值和阈值进行优化,克服易陷入局部极小和引起振荡效应现象,从而提高了网络的预测精度;实验仿真结果说明,与标准粒子群算法相比较,新算法可以有效提高预测精度,减少预测误差,最大绝对误差下降至12.15%,相对预测误差在10%以内的预测数据提高至57.5%,并且很好地反应了交通流的特点,是一种可行的预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李春贵	广西工学院计算机工程系	56	539	13.0	21.0
2	王萌	广西工学院计算机工程系	35	429	10.0	20.0
3	张增芳	广西工学院计算机工程系	52	623	11.0	23.0
4	唐新来	广西工学院鹿山学院	19	59	5.0	7.0