科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于交通车流量预测存在不定性、周期性、非线性的特点，传统预测算法受到函数逼近能力的影响，容易陷入局部最优问题.该文在麻雀搜索算法(Sparrow Search Algorithm, SSA)和BP(Back Propagation)神经网络算法(BP Neural Network, BPNN)研究的基础上提出一种交通车流量区间预测优化算法，即SSA-BP预测算法.该算法采用SSA算法来优化BP神经网络算法的初始权值和阈值，利用SSA算法寻优能力强、收敛速度快、稳定性高的特点，在一定程度上解决了BP神经网络算法对初始值依赖度高，易陷入局部最优的问题.通过仿真实验，将改进算法的均方误差降至0.009 2,拟合度值为0.970 4,说明算法具有良好的泛化能力，能够更好地反映交通流量的变化.
-
单位福州外语外贸学院
