基于改进人工蜂群算法优化小波神经网络的短时交通流预测

• 作者: 谷远利 黄恩潭
• 来源期刊: 山东科学
• 学科: 交通运输
• 关键词: 短时交通流量 小波神经网络 人工蜂群算法 遗传算法 差分进化算法
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 交通运输
• 页码范围: 79-87
• 页数: 9页
• 分类号: U491.1+4
• 字数: 6352字
• 语种: 中文
• DOI: 10.3976/j.issn.1002-4026.2018.02.013

摘要

为了提高城市道路短时交通流量的预测精度,克服小波神经网络预测过程中存在收敛速度较慢、容易陷入局部最优的缺点,提出改进的人工蜂群算法优化小波神经网络预测模型.该算法引入差分进化算法中的自适应变异操作和遗传算法中的选择算子、交叉算子与变异算子来优化传统的人工蜂群算法,改善人工蜂群算法后期收敛速度慢、局部搜索能力弱的缺点.本文使用该算法优化小波神经网络的参数并对短时交通流进行预测,模型的仿真结果表明,改进人工蜂群算法优化小波神经网络预测的结果误差更小,精确度更高,训练次数少,具有较高的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷远利	北京交通大学城市交通复杂系统理论与技术教育部重点实验室	18	61	4.0	6.0
2	黄恩潭	北京交通大学城市交通复杂系统理论与技术教育部重点实验室	1	4	1.0	1.0