基于粒子群—小波神经网络的短时交通量预测  

Forecasting short-term traffic volume with PSO-wavelet neural network

作　　者：黄恩洲[1] 

机构地区：[1]福建工程学院交通运输系,福建福州350118

出　　处：《黑龙江工程学院学报》2014年第2期42-45,共4页Journal of Heilongjiang Institute of Technology

基　　金：国家自然科学基金资助项目(61304210);福建工程学院科研发展基金资助项目(GY-211057);福建省教育厅A类基金资助项目(JA11192)

摘　　要：针对短时交通量的非线性和时变性,提出一种基于粒子群—小波神经网络的预测方法。该方法以前馈多层感知器的神经网络拓扑结构为基础,将预测误差反向传播,经粒子群优化算法对神经网络连接权值进行修正。隐含层神经元选择Morlet母小波基函数作为激活函数,利用小波分解分离短时交通量的高频部分和低频部分,防止高低频数据之间的过度影响,进一步提高预测的精度。根据最简化结构概念对神经网络结构进行泛化,确定最优网络结构,提高预测的速度。通过实例预测显示,该方法预测精度高,预测速度快,能够满足实际工程的要求。For nonlinearity and time variance of short-term traffic volume, a kind of forecasting method named PSO（particle swam optimization）-wavelet neural network is proposed. The method is based on topological structure of multilayer feed-forward perceptrons （MLPs）, and the output error is back propagated to PSO module to revise connection weights of network. In the hide-layer, Morlet mother wavelet function is selected to be neuron active function which separate high-frequence and low-frequence of traffic volume data to avoid the effect between each other. The network generalizes by minimization feature structure（MFS） concept to a optimal structure to improve forecasting speed. The forecasting example shows, the accuracy and speed of the method proposed are suitable for practical engineering.

关 键 词：短时交通量 泛化 小波 神经网络 粒子群优化算法 

分 类 号：U491.1[交通运输工程—交通运输规划与管理]