改進(jìn)粒子群算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)

發(fā)布時(shí)間：2020-08-21 18:58

【摘要】：隨著國(guó)民經(jīng)濟(jì)的繁榮和人民生活水平的提高,我國(guó)汽車行業(yè)發(fā)展迅速,汽車數(shù)目也隨之劇增,對(duì)道路交通事業(yè)的發(fā)展和環(huán)境保護(hù)造成了巨大的阻礙。為了緩解車輛過多造成的擁堵問題,需要實(shí)施交通管制,實(shí)現(xiàn)對(duì)道路上車輛的實(shí)時(shí)管理。智能交通系統(tǒng)(ITS)作為解決交通問題的重要途徑,近年來發(fā)展迅速。ITS結(jié)合先進(jìn)的信息技術(shù)和交通理論,能夠?qū)崿F(xiàn)對(duì)于道路交通的有效控制和交通誘導(dǎo)等功能。交通預(yù)測(cè)作為智能交通的一個(gè)分支,短時(shí)交通流預(yù)測(cè)在其中占據(jù)著重要的位置。神經(jīng)網(wǎng)絡(luò)的興起使得各種網(wǎng)絡(luò)模型被應(yīng)用于道路交通狀態(tài)的預(yù)測(cè)中。本文提出改進(jìn)的粒子群算法優(yōu)化動(dòng)態(tài)Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行交通流預(yù)測(cè),主要研究以下工作:(1)Elman神經(jīng)網(wǎng)絡(luò)屬于前饋型神經(jīng)網(wǎng)絡(luò),在網(wǎng)絡(luò)結(jié)構(gòu)的隱含層中加入了自身承接層,使其也適用于動(dòng)態(tài)模型。但又因其容易陷入局部最小和網(wǎng)絡(luò)層數(shù)多時(shí)影響算法收斂速度等缺點(diǎn),因此引入群智能優(yōu)化算法和Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行組合,合理的利用粒子群算法的局部搜索性能。(2)對(duì)于傳統(tǒng)的粒子群算法,根據(jù)粒子的速度和位置公式,可通過慣性權(quán)重和學(xué)習(xí)因子等參數(shù)對(duì)算法做出改進(jìn),以提高改進(jìn)后算法的性能。本文利用改進(jìn)的粒子群優(yōu)化Elman的組合模型對(duì)西安市南二環(huán)某路段進(jìn)行交通流量和擁堵程度的預(yù)測(cè)。(3)通過分析傳統(tǒng)粒子群算法的優(yōu)缺點(diǎn),提出分別從線性遞減慣性權(quán)重、去除粒子速度項(xiàng)、線性遞減慣性權(quán)重和動(dòng)態(tài)調(diào)整學(xué)習(xí)因子三個(gè)方面進(jìn)行改進(jìn),通過實(shí)驗(yàn),得出改進(jìn)后的三種網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果對(duì)比值。其中,一種線性遞減慣性權(quán)重和動(dòng)態(tài)調(diào)整學(xué)習(xí)因子的粒子群改進(jìn)算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果更精準(zhǔn)。
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：U491.1
【圖文】：