基于GSHS-WNN的短时交通流量预测Short-term Traffic Flow Prediction Based on GSHS-WNN
沈桂芳
摘要(Abstract)：
为了提高城市道路短时交通流量的预测精度,针对传统的小波神经网络的单向梯度下降法进行参数优化导致其存在收敛速度慢和局部最优等问题,提出了一种高斯扰动的改进和声搜索算法优化小波神经网络的短时交通流量预测模型(GSHS-WNN).首先基于对和声库内的和声变量进行高斯扰动和和声搜索算法参数的动态变化,对基本和声搜索算法进行改进;其次采用改进的高斯扰动和声搜索算法优化小波神经网络的参数,把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测.最后通过实测交通流量数据的仿真实验,验证了本文的GSHS-WNN的预测误差比HS-WNN和WNN都更小,具有更高的精确度.
关键词(KeyWords)： 和声搜索算法;高斯扰动;小波神经网络;短时交通流量预测
基金项目(Foundation): 安徽省高校自然科研重点项目（KJ2019A0877,KJ2019A0891）;; 校级重大科研项目（XN2020ZDA03）
作者(Author): 沈桂芳
DOI: 10.16393/j.cnki.37-1436/z.2021.02.006
参考文献(References)：
- [1]赵娜，袁家斌，徐晗．智能交通系统综述[J]．计算机科学，2014,41(11):7-11.
- [2]曹莉．基于改进小波神经网络的短时交通流量预测研究[J]．四川理工学院学报（自然科学版），2015(28):52-57.
- [3]齐璐．基于改进狼群算法的小波神经网络短时交通流预测[D]．成都：西南交通大学，2017.5.
- [4]黄恩潭，谷远利．基于改进人工蜂群算法优化小波神经网络的短时交通流预测[J]．山东科学，2018,31(02):79-87.
- [5]马梅琴，李风军，赵菊萍．基于改进粒子群算法优化小波神经网络的短时交通流预测[J]．宁夏师范学院学报，2019,40(01):73-79.
- [6]Geem Z W,Kim J H,Loganathan G V.A new heuristic optimization algorithm:Harmony search[J].Simulation,2001,76(2):60-68.
- [7]吴润秀，孙辉，朱德刚，等．具有高斯扰动的最优粒子引导粒子群优化算法[J]．小型微型计算机系统，2016,37(1):146-151.
- [8]周雅兰，黄韬．和声搜索算法改进与应用[J]．计算机科学，2014,41(6):52-57.