摘要
针对传统灰色神经网络易陷入局部最优解,导致预测精度下降的问题,文章提出了一种采用果蝇算法优化的灰色神经网络城市交通流量预测方法,该方法增强了灰色神经网络的泛化能力和全局寻优能力。通过采用多种方法对某一城市道路交通量进行预测,对比分析,结果表明,相比于传统的灰色神经网络,经果蝇算法优化过的灰色神经网络模型具有更好的预测精度,适用于城市道路交通量预测。
To solve the problem that gray neutral network models sometimes present local optimum results instead of global optimum, which may lead to inaccurate forecast, this paper proposed a gray neural network model in fruit fly optimization algorithm to forecast urban traffic volume. This modified model aimed to get a better ability to export global optimum result. Through an example, we validated this model performed much better in predicting urban traffic volume compared to traditional method.
出处
《物流科技》
2015年第10期149-153,共5页
Logistics Sci-Tech
关键词
灰色神经网络
果蝇算法
交通量
预测
gray neural network
fruit fly optimization algorithm
traffic flow
forecast
作者简介
陈沥（1990-），男，福建福州人，上海理工大学管理学院硕士研究生，研究方向：交通运输规划与管理；
马晓旦（1966-），男，上海人，上海理工大学管理学院，副教授，硕士生导师，研究方向：交通规划、交通管理与控制；
夏晓梅（1976-），女，江苏泰州人，上海理工大学管理学院，讲师，研究方向：交通运输规划与管理。
