论文部分内容阅读
首先,该文写作的目的在于采用现代智能控制中先进的人工神经网络(ANN)与交通科学中的交通工程学以及相关学科紧密结合起来,研究如何在智能交通领域中的交通流量预测这一重要方向发展已有的智能预测方法,提出新的理论以及将相应的ANN理论应用于具体实例中去的问题.其次,该文中仿真工具采用的是一台CPU为Celeron 300MHz的计算机,这一配置在当前计算机中属于较为低档的机型,因此在实际工程应用中仿真结果应当具有一定的代表意义.然后,在仿真结果中发现,上述神经网络对于交通流量预测的效果都是比较好的,但是每种神经网络在仿真过程中时间长短,准确度,离散程度都有区别,BP神经网络预测时间较为迅速但准确度不高,经过数次采用改进算法后精度有所提高但是预测时间有所延长,但仍在允许范围之内.GRNN神经网络预测时间上具有很强优势,并且准确度高于改进后的BP神经网络,但是离散程度较低.而RBF神经网络在预测结果上离散程度高是其特点,但是计算用时过长且准确度近似于BP网络.