交通流量FIRTF神经网络模型及其预测研究
【摘要】:研究了交通流量混沌时间序列与FIR神经网络的建模基础,提出了交通流量FIRIF神经网络模型。针对FIRIF神经网络的隐层神经元输入输出信号为向量的情况,提出了FIRTF模型的隐层神经元数个数灰色关联分析确定法;在FIR神经网络算法的基础上,设计了基于混沌机理的交通流量FIRTF自适应算法。最后,通过交通流量时间序列数据进行了试验分析,说明交通流量FIRTF神经网络以及其于混沌机理的交通流量FIRTF自适应算法综合了gda-BP网络、gdm-BP网络、gda-feedback-BP网络和gdm-feedback-BP网络的特点,使得交通流量FIRTF神经网络在训练和预测的速度上占有很大的优势。
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|