短时交通流量预测的IPSO-BPNN算法

作者：蔡玥

来源：计算机工程与应用, 2012, (27): 239-243.

• 短时交通流量
• 相空间重构
• 粒子群优化算法
• 神经网络 short-term traffic flow
• phase space reconstruction
• particle swarm optimization
• neural network

为了提高短时交通流量预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种粒子群优化神经网络的短时交通流量预测模型。将相空间重构和预测模型参数编码为粒子群的粒子,短时交通流量预测精度作为粒子群的适应度函数,通过粒子之间协作获得预测模型全局最优参数,通过BP神经网络建立预测模型,利用短时交通流量数据对模型性能进行测试。结果表明,相对于传统参数优化方法,粒子群优化神经网络提高了短时交通流量的预测精度,为非线性预测问题提供了一种新的研究思路。

• 单位
  湖南工程职业技术学院