【读书笔记】人工神经网络在短时交通流预测中的应用.docxVIP

人工神经网络课程 读书报告 题 目：人工神经网络在短时交通流预测中的应用姓 名：学 号：班 级：指导老师：罗意平 教授 人工神经网络在短时交通流预测中的应用 xxx (中南大学 交通运输工程学院，湖南 长沙，410083) 摘要：短时交通流预测是智能交通（ITS）的重要内容，而如何通过神经网络技术对短时交通流进行预测，同时提高精度和算法收敛速度一直是研究的热点问题。本文介绍了人工神经网络技术在短时交通流预测中的应用。首先，本文介绍了神经网络理论和短时交通流预测的相关知识，以及短时交通流预测领域神经网络的研究概况；其次，分别介绍了BP神经网络和Elman神经网络在短时交通流预测领域的优化算法及其训练过程；最后得出结论，神经网络模型与其他领域的研究相结合的综合模型是目前研究的趋势，其预测效果要好于单一神经网络模型和混合神经网络模型。 关键词：神经网络；优化算法；训练过程 Application of Artificial Neural Network In Short-Term Traffic Flow Prediction Luo Qi-zhang (School of traffic and transportation Engineering, Central South University, Changsha 410083, China) Abstract: Short-term traffic flow prediction is one of the key research of Intelligent Transportation System (ITS), and it is a hot area that how to predict traffic flow and how to improve accuracy and convergence rate based on neural network. This paper introduced the application of artificial neural network in short-term traffic flow prediction. Firstly, the theory of neural network and short-term traffic flow prediction are introduced, then the research of neural network in short-term traffic flow area was briefly introduced. Secondly, the optimization algorithm and training process of BP neural network and Elman neural network were introduced separately. The result is that, the comprehensive model generalized by neural network and research in other area is the research tendency, and the performance of comprehensive model is better than individual neurao network model and hybrid neural network modle. Key words: neural network; optimization algorithm; training process 在智能交通系统（ITS）建设中，交通诱导是其主要组成部分，该技术主要是对交通流量、交通密度和行车速度三个参数[1]进行合理预测，然后将预测结果通过互联网、诱导屏、信息板等传输装置，向交通管理者和出行者提供实时、高效、客观的交通信息。而在目前，短时交通流预测已处于智能交通系统的核心地位。 目前常见的交通流预测模型有基于时间序列的ARIMA模型、卡尔曼滤波模型、支持向量回归模型以及神经网络模型等。ARIMA模型和卡尔曼滤波模型都属于线性模型，而交通流是动态的、非线性的、不确定的系统，因此该模型往往达不到令人满意的效果[2]。支持向量回归模型适合小样本的快速预测，对核函数比较敏感[3]，而神经网络凭借其良好的处理非线性问题能力，已经广泛应用到工程之中[4]。然而单一的神经网络却存在一些缺陷[5]，，如收敛速度慢、容易陷入局部最优、针对已知问题选择网络规模困难