基于混沌和神经网络的短时交通流预测

基于神经网络和混沌理论的短时交通流预测 神经网络使用BPNN，混沌理论用于短时交通特征的预测模型

为了提高BP 神经网络预测模型对混沌时间序列的预测准确性, 提出了一种基于遗传算法优化BP 神经网络 的改进混沌时间序列预测方法. 利用遗传算法优化BP 神经网络的权值和阈值, 然后训练BP 神经网络预测模型以求 得最优解, 并将该预测方法应用到几个典型混沌时间序列和实测短时交通流时间序列进行有效性验证. 仿真结果表 明, 该方法对典型混沌时间序列和短时交通流具有较好的非线性拟合能力和更高的预测准确性.