改进PSO优化RBFNN的短时交通流量预测方法

• 作者: 董海 游婷 李小琛
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 粒子群算法(PSO) 神经网络 径向基(RBF)神经网络 交通流量预测
• 年，卷（期）: 2021,（5）
• 页码范围: 226-228
• 页数: 3页
• 分类号: TP39

摘要

针对短时交通流的预测精度问题,该文用PSO算法优化RBFNN模型的基础上,引入学习因子优化策略对PSO算法改进,进一步提高预测精度。该文针对PSO算法中认知因子和社会因子在全局搜索和局部搜索的不同作用,对非线性的学习因子做出异步调优改进,通过利用某路段的高速公路监测数据对改进的PSO-RBFNN算法进行训练,获得最优参数值,对短时交通流量进行预测,并将仿真结果与其他模型进行对比分析。实验结果表明,该文改进的PSO-RBFNN模型预测结果稳定,更适用于短时交通流量预测,具有更高的精度。