基于VMD分解的PSO-BP神经网络短时交通流预测

摘要

短时交通流预测是智能交通系统在解决交通拥堵方面的重要研究内容,为更好地对交通流进行预测,本文使用BP神经网络作为基本预测模型,针对BP神经网络易引起陷入局部最优和收敛速度慢的问题,提出了粒子群优化BP神经网络模型(PSO-BP),同时在降低输入时间序列的高复杂度和强非线性的非平稳性时引入VMD分解时间序列,随后通过集成固有模态分量预测结果得到VMD-PSO-BP组合模型的最终预测值。实验结果表明,通过对比BP、PSO-BP和VMD-PSO-BP的MAPE、MAE和RMSE,VMD-PSO-BP均优于其他模型,因此可以作为短时交通流领域的预测模型。