基于生长自组织神经网络群的交通流预测精选.pdfVIP

第13卷第3期 交通运输系统工程与信息 V01．13No．3 2013年6月 of 2013 Joumal andlnfomation june TransportationSystems Engineering Technology 文章编号：1009—6744(2013)03J0033聊 基于生长自组织神经网络群的交通流预测 吕 进“，赵祥模1，樊海玮1，旺乃姆2 (1．长安大学信息工程学院，西安7100“；2．多伦多大学电子与计算机工程系，加拿大多伦多M5S3G4) 摘要： 为了提高城市交通流预测神经网络方法的快速动态学习能力，提出了一种生长 自组织神经网络群，将复杂的神经网络个体分解为多个训练简单的神经网络群组，并利 用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破 坏，同时保持整个群工作的高效稳定，规模不过度扩张．该神经网络群尝试解决神经网 络的一次性学习问题，具有动态知识增殖学习能力和更强的错误自修复能力及系统适 应灵活性．仿真结果表明，这一方法能够更精确地实现函数逼近和城市交通流自适应动 态预测，适用于需要不断快速动态学习的复杂系统． 关键词： 智能交通；交通信息工程及控制；交通流预测；人工神经网络；生长自组织 神经网络 U491．14 A 中图分类号：TPl83 文献标识码： Flow Tramc Basedon ForecastingGrowing NeuralNetwork Self-orgaIIized Group LV WM2 Jinl，ZHAOXiang．m01，FANHai—weil，WONHAM ofInf0珊ation (1．School Engineering，Chang’anUniversity，Xi’an710064，China； and of M5S 2．Depanment“Electrical Tomnto，Toronto，Ont撕o3G4，Canada) ComputerEngineering，University ToenhaIIcethe of a11dreal-time onurbantr豳c Abstmct： capacityd)rn枷cstudy forecasting now，tllis a of neuralnetwork arti6cialneural paperpmposestypegr0稍ngself．or静mized gmup(GSNNG)．Acomplex in￡osome jntfDduc