该算法完整地描述了小波神经网络对交通流预测的过程-The algorithm is a complete descr iption of wavelet neural network in forecasting of traffic flow process

城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经 网络的交通预测模型GA-WNN ,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA-WNN 预测模型对短时交通流的

通过分析交通流量时间序列的特点，引入BP神经网络进行短时交通流预测。首先，分析了短时交通流量预测的意义及研究背景；然后，介绍了BP神经网络的结构模型、学习规则以及BP算法的改进算法；最后，通过BP神经网络对短时交通流进行预测，并分析了在各种不同条件下的预测情况。-through the analysis of the characteristics of traffic flow time series, introduces BP neural network for short-term t