首页|基于增加动量项方法优化的交通流量预测算法

基于增加动量项方法优化的交通流量预测算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Traffic Flow Prediction Algorithm Based on Optimization Method of Adding Momentum Term

肖维、高谦

展开 >

深圳大学 深圳 518000

博世力士乐有限公司 常州 213000

交通流量预测 小波神经网络 加动量项 收敛速度 预测精度

2021

10.3969/j.issn.1672-9722.2021.02.016

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(2)
  • 15