改进蛙跳算法的小波神经网络短时交通流预测

• 作者: 郑俊褒 饶珊珊
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 交通流预测 混合蛙跳算法 小波神经网络 交叉分组 自适应因子
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 50-54
• 页数: 5页
• 分类号: TP306
• 字数: 5734字
• 语种: 中文
• DOI: 10.11907/rjdk.191771

摘要

为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络.该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测.实验结果表明,该方法对短时交通流预测精确度达到97.43％,比传统方法提高1.0161％,均方根误差比传统方法降低了5.5879％,具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑俊褒	浙江理工大学信息学院	25	61	4.0	6.0
2	饶珊珊	浙江理工大学信息学院	3	0	0.0	0.0