一种改进的灰色神经网络交通量预测模型  

An Improved Gray Neural Network of Traffic Flow Prediction

作　　者：陈沥[1] 马晓旦[1] 夏晓梅[1] 

机构地区：[1]上海理工大学管理学院,上海200093

出　　处：《物流科技》2015年第10期149-153,共5页Logistics Sci-Tech

摘　　要：针对传统灰色神经网络易陷入局部最优解,导致预测精度下降的问题,文章提出了一种采用果蝇算法优化的灰色神经网络城市交通流量预测方法,该方法增强了灰色神经网络的泛化能力和全局寻优能力。通过采用多种方法对某一城市道路交通量进行预测,对比分析,结果表明,相比于传统的灰色神经网络,经果蝇算法优化过的灰色神经网络模型具有更好的预测精度,适用于城市道路交通量预测。To solve the problem that gray neutral network models sometimes present local optimum results instead of global optimum, which may lead to inaccurate forecast, this paper proposed a gray neural network model in fruit fly optimization algorithm to forecast urban traffic volume. This modified model aimed to get a better ability to export global optimum result. Through an example, we validated this model performed much better in predicting urban traffic volume compared to traditional method.

关 键 词：灰色神经网络 果蝇算法 交通量 预测 

分 类 号：F570[经济管理—产业经济]