论文研究短时交通流量预测的IPSOBPNN算法.pdf

为了提高短时交通流量预测精度，利用相空间重构和预测模型参数间的相互联系，提出一种粒子群优化神经网络的短时交通流量预测模型。将相空间重构和预测模型参数编码为粒子群的粒子，短时交通流量预测精度作为粒子群的适应度函数，通过粒子之间协作获得预测模型全局最优参数，通过BP神经网络建立预测模型，利用短时交通流量数据对模型性能进行测试。结果表明，相对于传统参数优化方法，粒子群优化神经网络提高了短时交通流量的预测精度，为非线性预测问题提供了一种新的研究思路。