基于螢火蟲算法和RBF神經(jīng)網(wǎng)絡(luò)的高速公路交通流預(yù)測.pdf

1、通過對高速公路交通狀態(tài)的整體變化趨勢進(jìn)行有效的掌控，可以有效的緩解高速公路的擁堵以及防止交通事故的發(fā)生。高速公路車流量預(yù)測是其中關(guān)鍵性的問題，而車流量具有復(fù)雜性、非線性等特點(diǎn)，使得傳統(tǒng)的預(yù)測模型無法準(zhǔn)確地預(yù)測車流量的變化趨勢。
　　徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)作為一種具有代表性的神經(jīng)網(wǎng)絡(luò)模型，它具有學(xué)習(xí)速度快、收斂性強(qiáng)、自學(xué)習(xí)、自適應(yīng)等優(yōu)點(diǎn)，并且不會出現(xiàn)局部極小值問題，它是對非線性函數(shù)的最佳逼近。所以對于R BF神經(jīng)網(wǎng)絡(luò)的研究成為

2、了車流量預(yù)測模型中的熱點(diǎn)問題，但是RB F神經(jīng)網(wǎng)絡(luò)中隱層神經(jīng)元的參數(shù)確定是其難點(diǎn)。而智能群算法可以有效的解決該問題，因此，本文提出了利用螢火蟲算法優(yōu)化R BF神經(jīng)網(wǎng)絡(luò)，確定隱層神經(jīng)元的中心、寬度以及隱層神經(jīng)元到輸出層神經(jīng)元之間的權(quán)值。
　　本文首先分析了BP神經(jīng)網(wǎng)絡(luò)與R BF神經(jīng)網(wǎng)絡(luò)的原理以及結(jié)構(gòu)特點(diǎn)，并對比兩種神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明R BF神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、收斂性能好等特點(diǎn)。其次分別分析了常用的兩種智能群優(yōu)化算法，即遺傳算法

3、、粒子群算法，分析了兩者的實(shí)現(xiàn)原理以及優(yōu)缺點(diǎn)。接著對螢火蟲算法的原理以及在R BF神經(jīng)網(wǎng)絡(luò)的應(yīng)用進(jìn)行了詳細(xì)的分析和說明，并提出了基于改進(jìn)的螢火蟲算法優(yōu)化的R BF神經(jīng)網(wǎng)絡(luò)預(yù)測模型。最后設(shè)計(jì)了基于遺傳算法、粒子群算法、螢火蟲算法優(yōu)化的三種神經(jīng)網(wǎng)絡(luò)模型，并利用真實(shí)的高速公路車流量數(shù)據(jù)對三種神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并利用訓(xùn)練好的三種模型對高速公路上的車流量進(jìn)行預(yù)測，從預(yù)測準(zhǔn)確度、訓(xùn)練效率以及泛化能力三個方面對仿真結(jié)果做了分析。結(jié)果表明基于改進(jìn)的