改进PSO优化神经网络的短时交通流预测

• 作者: 张军 朱新山 王远强
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 短时交通流预测 预测模型 反向传播(BP)神经网络 粒子群优化算法(PSO) 双重变异
• 年，卷（期）: 2017,（14）
• 所属期刊栏目: 工程与应用
• 页码范围: 227-231,245
• 页数: 6页
• 分类号: TP301.6
• 字数: 5125字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1601-0400

摘要

在短时交通流预测中,传统PSO优化神经网络预测模型对逃逸粒子直接取边界值且自身无相应的变异机制,这对于维持粒子群多样性、寻找最优解是不利的.为更进一步提高短时交通流预测精度,将在传统PSO优化BP神经网络的基础上,引入边界变异算子、自变异算子对粒子进行双重变异以优化网络配置参数.用实测的北京二环交通流数据对改进的预测模型进行验证,结果表明该模型更有利于搜寻全局最优解,且寻优时间更短,能有效改善短时交通流预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张军	天津大学电气与自动化工程学院	90	705	14.0	23.0
2	朱新山	天津大学电气与自动化工程学院	15	122	6.0	10.0
3	王远强	天津大学电气与自动化工程学院	2	23	2.0	2.0