随着城市化进程的加快，人们生活水平的提高，现有道路的通行能力与不断增长的交通需求之间的矛盾变得日益尖锐，从而交通拥堵问题变得日益严重。通过使用智能控制算法对高速公路进行科学控制以及对交通流进行合理诱导疏散，来缓解交通拥堵，提高交通通行安全和通行效率，是目前国家大力发展和应用得重要手段。为此本文致力于研究一种智能优化控制算法—小波神经网络算法，针对建立不同的交通预测模型，分别对小波神经网络算进行相应策略的引进与改变，并将改进的小波神经网络算法应用于高速公路交通预测。本文所做的主要工作如下：　　1、讨论了高速公路交通流预处理的过程与方法。　　2、提出一种新的基于基本小波神经网络的高速公路交通流预测模型。针对高速公路交通流具有强不确定性与随机性，通过构建新的母小波函数，提出一种新的基于基本小波神经网络的高速公路交通流预测模型。仿真分析表明，所提出的预测模型比BP神经网路预测模型具有较高的训练收敛速度、较高的预测精度。　　3、提出了基于改进蝙蝠算法的小波神经网络高速公路交通流预测。针对传统的小波神经网络利用梯度下降法优化小波神经网络参数容易造成局部最优的缺点，采用自适应混沌优化蝙蝠算法对小波神经网络参数包括连接权值及小波系数进行初始化等方法，提出了一种基于自适应混沌优化蝙蝠算法改进小波神经网络预测。仿真分析表明，所提出的预测模型能够有效地提高全局寻优能力、预测精度。　　4、分别提出了多路口协同模型与基于多路口协同改进小波神经网络预测。针对高速公路交通流的复杂性以及影响其的诸多因素。通过改进狼群算法，提出了一种基于改进狼群算法构建多路口协同模型，利用多路口协同模型优化小波神经网络训练样本。针对影响高速路口各种因素，采用多路口协同模型优化后小波神经网络训练样本等方法，提出了一种基于多路口协同改进小波神经网络预测。仿真分析表明，所提出的预测模型能够有效地提高预测精度。