典型文献
基于IFA优化RBF神经网络的短时交通流预测模型
文献摘要：
针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.
文献关键词：
智能交通系统;交通流;短时预测;RBF神经网络;改进的萤火虫算法;混沌搜索
中图分类号：
作者姓名：
曹洁;张敏;张红;陈作汉;侯亮
作者机构：
兰州理工大学计算机与通信学院,甘肃兰州 730050;甘肃省城市轨道交通智能运营工程研究中心,甘肃兰州 730050;甘肃省制造业信息化工程研究中心,甘肃兰州 730050
文献出处：
引用格式：
[1]曹洁;张敏;张红;陈作汉;侯亮-.基于IFA优化RBF神经网络的短时交通流预测模型)[J].兰州理工大学学报,2022(04):99-104
A类：
交通流不确定性
B类：
IFA,RBF,短时交通流预测,改进萤火虫算法,线性递减,惯性权重,混沌机制,局部极值,种群多样性,基函数,Elman,拟合度,智能交通系统,短时预测,改进的萤火虫算法,混沌搜索
AB值：
0.21977
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
