|
|||||
|
|
| 基于混沌粒子群优化小波神经网络的短时交通流预测 | |
| 作者单位： | ;1.浙江工业大学信息工程学院;2.浙江工业大学计算机科学与技术学院 |
| 摘 要： | 根据交通流量的非线性、时变性和复杂性等特点,提出基于混沌粒子群CPSO(Chaos Particle Swarm Optimization)优化小波神经网络WNN(Wavelet Neural Networks)的短时交通流预测。结合混沌的随机性和遍历性改进粒子群优化算法,改善粒子群优化算法容易陷入局部最优的问题。利用混沌粒子群算法优化小波神经网络的模型参数,克服传统小波神经网络采用梯度下降法易陷入局部极值和引起振荡效应现象缺陷。仿真结果表明,混沌粒子群优化小波神经网络与粒子群优化小波神经网络和小波神经网络两种方法相比,其提高了收敛速度和预测精度。 |
| 关 键 词： | 混沌 粒子群 小波神经网络 短时交通流预测 |
SHORT-TIME TRAFFIC FLOW FORECASTING BASED ON WNN OPTIMISED BY CPSO |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |