基于极限学习神经网络的短时交通流预测

• 作者: 周海川 宁丹
• 来源期刊: 交通科技与管理
• 学科: 交通运输
• 关键词: 短时交通流 神经网络 极限学习
• 年，卷（期）: 2020,（15）
• 页码范围: 0120-0122
• 页数: 3页
• 分类号: U491

摘要

针对短时交通流预测,本文介绍了一种基于极限学习的神经网络预测模型,把极限学习理论应用于最简单的单隐含层前馈神经网络中,以实现提高训练效率的目的。通过具体的实例分析,与其他常用的BP神经网络、径向基神经网络、广义神经网络和Elman神经网络进行比较,结果表明基于极限学习神经网络的预测精度与常规神经网络的预测精度相当,并且其模型的训练耗时远远低于常规的神经网络模型,这对短时交通流预测在实际中的应用,具有重要实践意义。