基于双最优学习率快速学习神经网络的交通流预测方法

摘要

本发明涉及基于双最优学习率快速学习神经网络的交通流预测方法，首先选用连续的m个交通流历史数据作为预测网络的输入，对数据进行归一化处理；采用三层神经网络，对权值和小波基函数的伸缩、平移因子初始化；小波基函数的平移因子和转移因子采用第一学习率，网络权值采用第二学习率；提供一个学习率数组，进行双最优学习率的网络训练；使用当前时刻至前m-1个周期的值作为训练后的网络的输入，输出进行反归一化后，得到当前时刻的下一时刻交通流的预测值；本发明的方法在每次网络训练时第一、二学习率采用最优学习率，能够实现快速网络训练，高精度预测交通流。