自动化专业英文文献的翻译.docxVIP

基于神经网络的粒子群优化算法的混乱交通流的快速识别 庞明宝 张晶晶东方 王彦虎 交通主管部门土木工程学院 com河北工业高校 中国天津政府pmbpgy@sina. com 摘要 讨论说明，神经网络的粒子群优化算法是解决混乱的交通流量的快速识别的 有效方法，实证分析的基础上,提出了一种基于对智能交通需求系统和方法所存 在的几个问题的混乱识别、智能方法快速推断,在混乱中交通流问题,对这个原理 和结构系统作了简要介绍，主要有在线识别模块和离线识别模块，狼方法是通过 用脱机识别模块来计算和推断最大李雅普诺夫指数混乱交通流，模型的建立是在 线推断采用神经网络的小波包能量特征向量的前时间间隔的时间序列交通流在 每个训练样本作为输入变量。粒子群优化算法被用来确认和更新模型的参数，仿 真结果说明，该方法是正确的可行的，它能满意实时需求的混乱交通流量的快速 识别。 关键词 智能交通系统 指挥交通流量 混沌层流；神经网络(尼龙)粒子群 优化(PSO)；最大李雅普诺夫指数时间进展一介绍 通过对非线性的角度科学和混乱交通系统的讨论，在交通掌握与管理方面是 一种新型的科学方法[1]-[5],基本原理是准时的识别混沌，实现抑制交通拥挤 和现象提高平面交叉路口的通行力量加入混沌掌握信号，但第一步是要实时识别 混沌现象交通流量。有许多方法来识别混乱，即最大李雅普诺夫指数、 关联维数,和就业指数。全部的方法需要大