基于MCTLBO-RNN的短时交通流预测

短时交通流预测对提高运输效率和缓解交通拥堵具有重要作用。为解决交通流信号因非线性和强干扰特征所带来的预测精度低的问题,作者研究了一种小波阈值去噪算法处理交通流信号中的噪声,并提出了一种基于多班级教学优化算法的循环神经网络(MCTLBO-RNN)模型进行短时交通流预测,通过加入多班级策略,教师优生自学策略和差生反馈学习策略,来提高模型收敛速度和局部寻优能力,最后通过与其他神经网络进行对比,验证文中方法具有较好的全局寻优能力和预测精度。