基于增加动量项方法优化的交通流量预测算法
肖维1
高谦2
1.深圳大学 深圳 5180002.博世力士乐有限公司 常州 213000
摘要：交通流量预测是智能交通系统的核心内容,系统中多个功能的实现都是以其为基础.针对城市路网中交通流量的时域性以及准周期特性,提出了一种基于改进小波神经网路算法的交通流量预测方法.利用具有时域分辨能力的小波神经网络对流量信号进行分类,以实现对交通流量的预测;采用加动量项的方法对网络权值及参数进行修正,避免了神经网络训练时收敛缓慢以及陷入局部极小.通过仿真实验验证,提出方法可实现对交通流量的准确预测,并且可以有效地提高网络学习率.
关键词：交通流量预测小波神经网络加动量项收敛速度预测精度
分类号：TH17(机械运行与维修)
论文发表日期：2021-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 305-309 )
英文信息