改进ACO优化的BP神经网络短时交通流量预测

• 作者: 蒋杰 张江鑫
• 来源期刊: 计算机仿真
• 关键词: 短时交通流量预测 神经网络 蚁群算法 精英选择策略
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 97-101,180
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.07.024

摘要

针对BP神经网络算法收敛速度缓慢、易陷入局部最小值、在短时交通流量预测的问题中精度不高等问题,提出了一种改进ACO(蚁群算法)优化的BP神经网络短时交通流量预测算法.在确定BP神经网络权阈值的过程中,采用蚁群信息素挥发自适应参数、在蚁群信息素更新时采用精英选择策略和种群更新时加入变异因子的方法来得到最优权阈值.仿真结果表明,改进算法在预测流量趋势和准确度方面均有较大提升,在短时交通流量预测方面取得了良好的效果.