改进PSO优化神经网络的短时交通流预测
来源：计算机工程与应用杂志2017年第14期北京时间：
作者：张 军，王远强，朱新山
单位：天津大学 电气与自动化工程学院，天津 300072
摘要：在短时交通流预测中，传统PSO优化神经网络预测模型对逃逸粒子直接取边界值且自身无相应的变异机制，这对于维持粒子群多样性、寻找最优解是不利的。为更进一步提高短时交通流预测精度，将在传统PSO优化BP神经网络的基础上，引入边界变异算子、自变异算子对粒子进行双重变异以优化网络配置参数。用实测的北京二环交通流数据对改进的预测模型进行验证，结果表明该模型更有利于搜寻全局最优解，且寻优时间更短，能有效改善短时交通流预测性能。
关键词：短时交通流预测,预测模型,反向传播（BP）神经网络,粒子群优化算法（PSO）,双重变异
