典型文献
基于SSA-BP算法的道路交通流量预测研究
文献摘要：
由于交通车流量预测存在不定性、周期性、非线性的特点,传统预测算法受到函数逼近能力的影响,容易陷入局部最优问题.该文在麻雀搜索算法(Sparrow Search Algorithm,SSA)和BP(Back Propagation)神经网络算法(BP Neural Network,BPNN)研究的基础上提出一种交通车流量区间预测优化算法,即SSA-BP预测算法.该算法采用SSA算法来优化BP神经网络算法的初始权值和阈值,利用SSA算法寻优能力强、收敛速度快、稳定性高的特点,在一定程度上解决了 BP神经网络算法对初始值依赖度高,易陷入局部最优的问题.通过仿真实验,将改进算法的均方误差降至0.009 2,拟合度值为0.970 4,说明算法具有良好的泛化能力,能够更好地反映交通流量的变化.
文献关键词：
车流量区间预测;SSA-BP预测算法;局部最优;泛化能力
中图分类号：
作者姓名：
姚洁;邱劲
作者机构：
福州外语外贸学院大数据学院,福州350202;福建省高速公路集团有限公司福州管理分公司,福州350202
文献出处：
引用格式：
[1]姚洁;邱劲-.基于SSA-BP算法的道路交通流量预测研究)[J].西南大学学报（自然科学版）,2022(10):193-201
A类：
车流量区间预测
B类：
SSA,道路交通流量,交通流量预测,预测研究,交通车,车流量预测,不定,传统预测,预测算法,函数逼近,逼近能力,局部最优,麻雀搜索算法,Sparrow,Search,Algorithm,Back,Propagation,神经网络算法,Neural,Network,BPNN,权值,算法寻优,寻优能力,收敛速度,初始值,依赖度,改进算法,均方误差,拟合度,泛化能力
AB值：
0.326981
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。
