欢迎来到天天文库
浏览记录
ID:35060565
大小:2.84 MB
页数:53页
时间:2019-03-17
《基于优化的bp神经网络的短时交通流预测算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:TP273密级:不保密UDC:62学校代码:11065硕士学位论文基于优化的BP神经网络的短时交通流预测算法研究季雪美指导教师高军伟教授学科专业名称控制科学与工程论文答辩日期2016年5月25日摘要在日益繁忙的工作生活中,交通出行占据的重要地位已经日益凸显。减缓交通拥堵,提高路网的使用效率,尽最大可能减少交通事故的发生概率,已经成为各个国家共识。路网交通流预测算法的进一步研究及应用,已经作为解决上述一系列问题的一个有效处理方案,在智能交通系统(IntelligentTransportSystems,ITS)扮演着日益重要的角色。本论文基于BP神经网络建立了城市短时交通流预测模型,分
2、别用遗传算法和思维进化算法进行了优化。不同于遗传算法,思维进化算法采用“群体寻优”取代了“个体寻优”,使用“趋同”和“异化”操作取代了遗传算法中的“交叉”和“变异”操作。思维进化算法优化的BP神经网络算法,首先产生初始种群,然后采用思维进化算法优化BP神经网络的权值和阈值。当训练结束后,评价训练结果,若不满足条件,再重新采用思维进化算法进行优化操作。本文分别分析了三种模型的构建原理,最后用实际交通数据对三种模型进行了仿真,将仿真结果进行比较。实验测试结果证实,当进行短时路网交通流预测研究时,采用基于思维进化算法来优化的BP神经网络时的算法,能够获得比较高精度的预测值。关键词:BP神经网络;
3、遗传算法;思维进化算法;短时交通流预测AbstractIntheincreasinglybusywork,transportationisplayingamoreandmoreimportantroleinourdailylives.Alleviatingcitytrafficjams,improvingefficiencyintheuseofroadnetworkandtryingourbesttoreducetherateoftrafficaccidenthavebecometheconsensusofallcountries.Theroadnetworktrafficflowpred
4、ictionalgorithmwhichfurtherresearchisneededhasbeenusedtosolveaseriesofproblemsmentionedabove,especiallyplaysanincreasinglyimportantpartintheintelligenttransportationsystems(ITS).BasedonBPneuralnetwork,thispaperestablishedashort-termtrafficflowforecastingmodel.Thenthegeneticalgorithmandmindevolutio
5、nalgorithmwereusedtooptimizetheBP.Differentfromgeneticalgorithm,mindevolutionalgorithmuses"groupoptimization"insteadof"individualoptimization".Ituses"convergence"and"alienation"toreplacetheoperationof"crossover"and"mutation"inGA.Firstly,theBPneuralnetworkalgorithmwhichisoptimizedbymindevolutionalg
6、orithmshouldproduceinitialpopulation.ThentheweightsandthresholdsofBPneuralnetworkareoptimized.Whenthetrainingisover,thealgorithmwillevaluatethetrainingresults.Ifitdoesnotgetthedesiredresults,thealgorithmwouldoptimizetheoperationagain.Inthispaper,weanalyzedtheprinciplesofthreekindsofmodelsandcarrie
7、donthesimulationwiththeactualtrafficdata.Thesimulationresultswerecomparedamongthreealgorithms.Experimentaltestresultsshowedthattheshort-timetrafficflowforecastingmodelbasedonBPwhichwasoptimizedbymindevolutionalgo
此文档下载收益归作者所有