改进麻雀搜索算法优化BP神经网络的短时交通流预测

摘要

针对BP神经网络预测短时交通流量过于依赖初始参数的问题，提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点，容易陷入局部最优等问题，对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进，改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索，部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析，结果显示，ISSA-BP短时交通流预测模型的误差最小，ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。

关键词

短时交通流预测 / 算法优化 / 改进麻雀搜索算法 / BP神经网络 / 基准测试函数

基金资助

山东省自然科学基金面上项目(ZR2020MG017);; 青岛市哲学社会科学规划项目(QDSKL2101167)