基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
交通事故严重程度受多种因素的影响,适合用人工神经网络来建模预测.因为标准BP(Back Propagation,BP)神经网络具有收敛较慢的缺陷,所以在自适应学习和附加动量因子改进BP神经网络[1]基础上做了进一步的优化改进,使附加动量因子也具有自学习性.利用改进后的BP神经网络算法,选取英国利兹市的公开交通事故数据集,用影响交通事故严重程度的多种影响因素和事故严重程度构建并训练神经网络,并对最新数据进行预测.通过大量的实验对比收敛速度和预测结果,验证了改进后的算法具有更快的收敛速度和更高的预测准确率.
推荐文章
基于ARIMA-BP神经网络的船舶交通事故预测
船舶交通事故
组合预测方法
简单加权
残差优化
交通事故的灰色预测
交通事故
灰色系统理论
预测
MATLAB语言
基于BP神经网络的交通事故预测模型
交通事故
预测
神经网络
福建省道路交通事故预测模型及其应用
道路交通事故
预测模型
BP神经网络
旅客周转量
货物周转量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进BP神经网络在交通事故预测中的研究
来源期刊 华东师范大学学报(自然科学版) 学科 工学
关键词 BP神经网络 动量因子 自学习 交通事故
年,卷(期) 2017,(2) 所属期刊栏目 计算机科学
研究方向 页码范围 61-68
页数 8页 分类号 TP183
字数 4348字 语种 中文
DOI 10.3969/j.issn.1000-5641.2017.02.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭伟 华东师范大学信息化办公室 31 329 8.0 18.0
2 陈海龙 华东师范大学计算中心 3 26 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (101)
共引文献  (210)
参考文献  (14)
节点文献
引证文献  (25)
同被引文献  (41)
二级引证文献  (11)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(12)
  • 参考文献(0)
  • 二级参考文献(12)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(10)
  • 参考文献(0)
  • 二级参考文献(10)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(8)
  • 参考文献(1)
  • 二级参考文献(7)
2011(9)
  • 参考文献(1)
  • 二级参考文献(8)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(13)
  • 参考文献(4)
  • 二级参考文献(9)
2014(4)
  • 参考文献(3)
  • 二级参考文献(1)
2015(5)
  • 参考文献(4)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(4)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(16)
  • 引证文献(11)
  • 二级引证文献(5)
2019(11)
  • 引证文献(9)
  • 二级引证文献(2)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
BP神经网络
动量因子
自学习
交通事故
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华东师范大学学报(自然科学版)
双月刊
1000-5641
31-1298/N
16开
上海市中山北路3663号
4-359
1955
chi
出版文献量(篇)
2430
总下载数(次)
5
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导