首页|基于WD-DE-BP集成优化模型的短时交通流预测

基于WD-DE-BP集成优化模型的短时交通流预测

Research on Forecasting of Short-term Traffic Flow Based on WD-DE-BP Integrated Optimization Model

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
为进一步提升短时交通流预测精度,提出一个基于小波降噪(WD)、差分进化(DE)算法优化BP神经网络权值与阈值的WD-DE-BP集成优化预测模型.为验证所提模型的有效性,采用多组短时交通流数据进行仿真实验,就常用的误差指标MAPE、RMSE、MAE而言,WD-DE-BP集成优化模型获得的预测误差指标均值较传统的BP模型获得的误差指标均值分别下降了 37.23％、38.59％、37.87％,较WD-BP模型获得的误差指标均值下降了2.51％、2.85％、3.05％.实验结果表明所提出的WD-DE-BP集成优化模型可以为ITS的相关子系统提供较好的基础数据.

wavelet denoisingBP neural networkdifferential evolutionparameter optimizationshort-term traffic flow forecasting

郑伟、余良碧、赵志璞、任俊、李良建

展开 >

中国水利水电第十一工程局有限公司,河南郑州 450001

小波降噪 BP神经网络 差分进化算法 参数优化 短时交通流预测

中国电建科技攻关项目

DJNF-XM-2019-01

2023

宁夏大学学报(自然科学版)
宁夏大学

宁夏大学学报(自然科学版)

CSTPCDCHSSCD
影响因子：0.377
ISSN：0253-2328
年,卷(期)：2023.44(2)
  • 12