科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高城市道路短时交通流量的预测精度,针对传统的小波神经网络的单向梯度下降法进行参数优化导致其存在收敛速度慢和局部最优等问题,提出了一种高斯扰动的改进和声搜索算法优化小波神经网络的短时交通流量预测模型(GSHS-WNN).首先基于对和声库内的和声变量进行高斯扰动和和声搜索算法参数的动态变化,对基本和声搜索算法进行改进;其次采用改进的高斯扰动和声搜索算法优化小波神经网络的参数,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.最后通过实测交通流量数据的仿真实验,验证了本文的GSHS-WNN的预测误差比HS-WNN和WNN都更小,具有更高的精确度.
