基于遗传算法和前馈神经网络的公路低能见度预估方法

摘要

本发明公开了一种基于遗传算法和前馈神经网络的公路低能见度预估方法，包括：建立公路局部气象样本数据集，并分为训练数据集和预测数据集；构建包含输入层、隐藏层和输出层的神经网络拓扑结构；确定神经网络信号激活传递规则和初始化赋值，建立神经网络初始化模型；通过混沌序列遗传算法建模优化神经网络初值；更新模型中各神经元的权重值和偏差值，得到神经网络基本模型；输入训练数据集数据至神经网络基本模型进行训练，得到多层前馈神经网络最优模型，将预测数据集数据输入最优模型中，输出公路沿线能见度预估值，得到能见度预估等级。本发明实现了对公路低能见度事件的30分钟级精确短临预测，为公路低能见度事件精细化应急处置提供有效支撑。