改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型
大?。?/span>0.65 MB 人氣： 2017-12-01 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
為了提高徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)短時(shí)交通流的預(yù)測(cè)準(zhǔn)確性，提出了一種基于改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型。利用改進(jìn)人工蜂群算法確定RBF網(wǎng)絡(luò)隱含層的中心值以及隱含層單元數(shù)，然后訓(xùn)練改進(jìn)的人工蜂群算法RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并將其應(yīng)用到某城市4天的短時(shí)交通流量數(shù)據(jù)的驗(yàn)證。將實(shí)驗(yàn)結(jié)果與傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了比較。對(duì)比結(jié)果表明，該方法對(duì)短時(shí)交通流具有更高的預(yù)測(cè)準(zhǔn)確性。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型下載
相關(guān)電子資料下載
- 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢(shì) 112
- 基于CNN的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)設(shè)計(jì) 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò) 163
- rnn是什么神經(jīng)網(wǎng)絡(luò)模型 162
- rnn是什么神經(jīng)網(wǎng)絡(luò) 174
- 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式主要分為 129
- 簡(jiǎn)述遞歸神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程 135