1、近年來(lái)，短時(shí)交通流預(yù)測(cè)已經(jīng)成為智能交通系統(tǒng)(ITS)研究的熱點(diǎn)領(lǐng)域。短時(shí)交通流預(yù)測(cè)是解決交通控制系統(tǒng)和交通誘導(dǎo)系統(tǒng)等領(lǐng)域問題的關(guān)鍵。研究短時(shí)交通流預(yù)測(cè)的理論和方法，從而實(shí)現(xiàn)比較準(zhǔn)確的預(yù)測(cè)未來(lái)15分鐘甚至更短時(shí)間的道路交通狀況，這對(duì)于緩解城市交通擁堵、避免社會(huì)資源浪費(fèi)有著重要的意義和應(yīng)用價(jià)值。
　　 論文以城市中快速路單斷面的交通流量為研究對(duì)象，考慮該斷面過去若干時(shí)刻的交通流量，分別建立了基于小波神經(jīng)網(wǎng)絡(luò)和基于Elman神經(jīng)網(wǎng)絡(luò)的

2、短時(shí)交通流預(yù)測(cè)模型。首先，針對(duì)小波神經(jīng)網(wǎng)絡(luò)中存在的許多問題，如網(wǎng)絡(luò)收斂慢、易陷入局部極小點(diǎn)、容易引起震蕩效應(yīng)，論文對(duì)傳統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程進(jìn)行了一些改進(jìn)，即在權(quán)值和閾值的調(diào)整過程中引入了附加動(dòng)量項(xiàng)。最后，網(wǎng)絡(luò)在修正其權(quán)值和閾值時(shí)引入附加動(dòng)量項(xiàng)，使得其不僅考慮了誤差在梯度上的作用，而且考慮了在誤差曲面上的變化趨勢(shì)的影響。仿真實(shí)驗(yàn)表明:動(dòng)量項(xiàng)的引入不僅減小了學(xué)習(xí)過程的震蕩趨勢(shì)，而且比較明顯的改善了網(wǎng)絡(luò)的收斂性，訓(xùn)練效果也比較理想。

3、>　　 針對(duì)現(xiàn)有文獻(xiàn)對(duì)利用Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行交通流預(yù)測(cè)，由于網(wǎng)絡(luò)易陷入局部最小值而導(dǎo)致預(yù)測(cè)精度不高的問題，提出了一種基于遺傳算法的Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型。該模型首先采用遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，種群中每個(gè)個(gè)體都包含了網(wǎng)絡(luò)所有的權(quán)值和閾值，每個(gè)個(gè)體可通過適應(yīng)度函數(shù)計(jì)算個(gè)體的適應(yīng)度值，遺傳算法通過選擇、交叉和變異操作找到最優(yōu)適應(yīng)度值對(duì)應(yīng)的個(gè)體。最后，Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)用遺傳算法得到的最優(yōu)個(gè)體對(duì)網(wǎng)絡(luò)