基于模拟退火算法的神经网络优化与短时交通流预测研究

发布时间：2024-04-26 22:29

　　智能交通管理技术在城市道路交通管理工作中发挥着日趋重要的作用,它所提供的可视化、动态化和主动化的道路交通管理方案,能够为道路交通管理决策提供科学的理论指导与技术支持。短时交通流预测技术是智能交通管理技术中的一种,它可以为交通流分配、交通流诱导和驾驶人行驶路径优化及选择等提供基础数据支持。因此,短时交通流预测技术一直是近年来道路交通管理领域的研究热点。本文针对BP神经网络的基本原理及技术特点,对其在训练阶段容易陷入局部最小值的问题进行分析,并结合模拟退火算法原理中的全局寻优能力,利用该算法优化BP神经网络,得到优化后的SA-BP神经网络,并对基于SA-BP神经网络的短时交通流预测进行研究,再结合实例仿真和对比分析,验证SA-BP神经网络具有更优的预测效果。本文主要完成以下几方面工作。首先,说明了本文的研究背景及意义,并着重从基于神经网络的短时交通流预测及基于模拟退火算法BP神经网络优化方面,对国内外研究现状进行了阐述与分析;第二,阐述了短时交通流预测的基本原理及流程,介绍了用于预测的交通流数据的预处理过程及方法,确定了短时交通流预测效果的评价指标体系;第三,选择BP神经网络作为本文的基本...

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图3.2BP神经网络架构图

图3.2BP神经网络架构图P神经网络的输入层中神经元的作用是负责向神经网络中输入所需神经元可以将信号传入到神经网络中进行训练。输入层神经元的个行训练的数据个数来决定。层神经元的作用主要有两个方面。在神经网络训练阶段，输出层神神经元一起完成对神经网络的训练过程，在这个阶段神....

图3.6温度状态变化时所得粒子状态概率

图3.6温度状态变化时所得粒子状态概率拟退火算法的随机扰动30中，与分别代表两个相邻粒子的能量。其中粒子2为某一粒子。这种在粒子1周围随机选择粒子的过程，称为模随机扰动。随机扰动过程如公式3.31。为当前选定粒子；为经过随机扰动后选定粒子；尔科夫链长度

图3.11SA-BP神经网络选择重新扰动条件下的图示

k+1次的EBPnew将在第k+2次变成EBPold，并在之后进行第k+2时，第k+2次梯度下降前进行随机扰动的为第k+1次的S（k+1）与第NEW=EBPold时，此时经Metropolis准则选取的第k+1次BP梯度当退回成经第k次梯度下....

图3.12SA-BP神经网络重新扰动次数D=1条件下的图示

图3.12SA-BP神经网络重新扰动次数D=1条件下的图示3.12中，由SA1到S1为梯度下降过程，S1到SA2为随机扰动过程，SA2降过程，S1到SA3为随机扰动过程。D>1时，所取矩阵情形如图3.13所示。图3.13SA-BP神经网络重新扰动次....

本文编号：3964965