| 基于遗传算法改进的卷积神经网络短时交通流预测 |
| |
| 引用本文： | 谭锦新,秦斐燕,任斌. 基于遗传算法改进的卷积神经网络短时交通流预测[J]. 东莞理工学院学报, 2021, 28(5): 31-37 |
| |
| 作者姓名： | 谭锦新 秦斐燕 任斌 |
| |
| 作者单位： | 东莞理工学院 电子工程与智能化学院,广东东莞 523808 |
| |
| 摘 要： | 交通流预测对于减少拥堵、节能减排具有重要意义.基于卷积神经网络的预测方法普遍采用梯度下降法训练神经网络,缺点在于预测对网络初始参数敏感.本文采用遗传算法对卷积神经网络的网络参数进行确定从而对短时交通流进行预测.首先,根据交通流数据的特点,设计了适用于交通流预测的卷积神经网络结构;然后,确定卷积神经网络的卷积核与全连接层参数的解空间;随后,采用遗传算法对卷积神经网络参数在可行域中通过选择、交叉、变异三种遗传操作不断迭代搜索得到最优参数解.仿真结果表明,与梯度下降法训练的卷积神经网络相比,该方法拥有更高的预测精度.
|
| 关 键 词： | 短时交通流预测 卷积神经网络 遗传算法 |
Short-Term Traffic Flow Prediction Based on Convolution Neural Network Improved by Genetic Algorithms |
| |
| TAN Jinxin,QIN Feiyan,REN Bin. Short-Term Traffic Flow Prediction Based on Convolution Neural Network Improved by Genetic Algorithms[J]. Journal of Dongguan Institute of Technology, 2021, 28(5): 31-37 |
| |
| Authors: | TAN Jinxin QIN Feiyan REN Bin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
