论文部分内容阅读
针对目前城市短时交通流预测精度不高的问题,提出一种基于改进粒子群算法优化的BP神经网络短时交通流预测方法。在粒子群算法迭代过程中,当判断算法未成熟收敛时,除最优值对应的个体外,其它部分个体执行遗传算法交叉与变异操作,另外部分个体随机初始化。仿真结果表明,新算法有效提高了收敛精度与稳定性,将其应用于BP神经网络权阈值优化,有效提高了预测精度。在此基础上,开发了基于BP神经网络城市短时交通流预测软件,形象直观,简洁高效,可应用于城市短时交通流预测。