混合策略改进WOA-BiLSTM的快速路出口匝道车速预测

摘要

针对现有元启发式算法在优化神经网络预测车速过程中收敛速度慢和误差大的问题，提出了基于改进鲸鱼优化算法优化双向长短期记忆网络（IWOA-BiLSTM）的快速路出口匝道车速预测方法。首先，采用Circle混沌映射取代鲸鱼优化算法中随机产生的初始种群，增加种群的多样性并提高质量。其次，使用精英反向学习策略，提高种群个体择优位置的多样性，降低算法陷入局部最优和过早收敛的风险。最后，采用余弦函数改变自适应收敛因子和引入惯性权重的策略，在保留鲸鱼优化算法优点的前提下，平衡算法的全局搜索和局部开发能力。仿真结果表明：与现有元启发式算法和车速预测模型相比，IWOA算法在寻优求解精度、收敛速度和预测精度等方面均有明显提升。

关键词

交通运输规划与管理 / 出口匝道 / 车速预测 / 鲸鱼优化算法 / 混合策略 / 双向长短时神经网络