科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对短时交通流不确定性极强引起的预测结果精度低的问题，提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制，来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足，利用IFA优化RBF神经网络的连接权重和基函数宽度，以提升RBF神经网络的短时交通流预测精度.实验结果表明，与Elman、BP、RBF和FA-RBF模型相比，构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度，预测值与实际值拟合度较高.
- 单位
