社会情感算法优化神经网络的短时交通流预测

来源 :传感器与微系统 | 被引量 : 0次 | 上传用户:idea0315
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对反向传播(BP)神经网络用于交通流预测易陷入局部最优且寻优速度慢的问题,采用了社会情感优化(SEO)BP神经网络的参数,以SEO中的个体为一个BP神经网络,以3种情绪为表现形式,通过个体间的合作竞争进行寻优.运用Levy、正态、柯西分布3种情绪随机选择策略,通过不同方式实现了以不同的概率选择不确定的情绪,使SEO中情绪更好地模拟人的正常心理变化.实验表明:该模型较其他模型更有利于搜寻全局最优解,能有效提高短时交通流的预测精度.
其他文献
无线体域网(WBAN)节点通常采用电池供电,能量有限且不易频繁更换。为降低节点能耗,提出了一种数据压缩节能方法,采用稀疏表示分类算法识别正常信号,运用压缩感知(CS)理论进行信号
研究探讨了调制光频率与检测距离的相关性,旨在通过软件改变红外调制光频率,实现"一键式"智能调节检测距离.以连续周期矩形脉冲信号为例,选用二阶窄带带通放大电路对输入信号进