首页> 中文期刊> 《现代电子技术》 >基于改进花朵授粉算法的BP神经网络短时交通流预测

基于改进花朵授粉算法的BP神经网络短时交通流预测

         

摘要

国内道路交通拥堵问题日益严重,及时和准确的短时交通流预测是实现智能交通管控、减轻道路拥堵的关键基础,因此设计了一种基于惯性权重改进花朵授粉算法(MFPA)和误差逆向传播(BP)神经网络结合的MFPA-BP短时交通流预测模型。首先通过引入惯性权重和Mantegna方法改进花朵授粉算法,形成MFPA优化算法,并将其应用到BP神经网络进行初始权值和阈值的优化,使模型的收敛速度和效率得到提升。选用实际路段处理过的交通流数据对MFPA-BP模型进行训练并预测,与BP神经网络和RBF神经网络相比平均绝对误差(MAE)分别减少了20.01%和27.89%,均方根误差(RMSE)分别减少了18.25%和21.73%,同时MFPA-BP模型可以有效地减少迭代次数,提高道路交通流量预测的准确性,更好地应用于智能交通系统中。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号