基于SSA-BP算法的道路交通流量预测研究

由于交通车流量预测存在不定性、周期性、非线性的特点,传统预测算法受到函数逼近能力的影响,容易陷入局部最优问题.该文在麻雀搜索算法(Sparrow Search Algorithm,SSA)和BP(Back Propagation)神经网络算法(BP Neural Network,BPNN)研究的基础上提出一种交通车流量区间预测优化算法,即SSA-BP预测算法.该算法采用SSA算法来优化BP神经网络算法的初始权值和阈值,利用SSA算法寻优能力强、收敛速度快、稳定性高的特点,在一定程度上解决了BP神经网络算法对初始值依赖度高,易陷入局部最优的问题.通过仿真实验,将改进算法的均方误差降至0.0092,拟合度值为0.9704,说明算法具有良好的泛化能力,能够更好地反映交通流量的变化.