摘要
在短期高速交通流量预测领域,精准把握交通流量的动态变化,对于提升高速公路的通行效率、保障行车安全以及优化交通管理策略具有至关重要的意义。然而,传统预测算法在处理复杂多变的交通流量数据时,往往受限于其函数逼近能力,容易陷入局部极值,导致预测结果出现偏差。鉴于此,本文创新性地提出了一种结合改进狼群算法构建的新型神经网络模型。该模型充分利用了狼群算法的全局搜索能力,通过模拟狼群在复杂环境中的协作与竞争行为,实现了对神经网络参数的智能优化。这一改进不仅增强了预测模型在多维空间中的精度与稳定性,还有效避免了传统算法易陷入局部最优的困境。通过仿真验证,本文所提算法在短时高速交通流量预测方面展现出显著优势,相较于单一的小波神经网络,其预测精度得到了大幅提升,为高速公路的智能化管理提供了有力支持。
出处
《消费电子》
2025年第7期212-214,共3页
Consumer Electronics Magazine
基金
江西省教育厅科技项目“基于狼群算法和小波神经网络的高速交通流量预测研究”(项目编号:GJJ171487)。
