1 簡介

ＢＰ神經網絡模型是目前應用最為廣泛神經網絡之一。它的本質是通過對歷史數據的學習找出數據變化趨勢之間的非線性關系，并通過輸出量與預期值之間的誤差不斷調整網絡中各個單元的權重，使整個網絡的誤差最小。因此，為達到較好的預測精度，需要對網絡預測模型自身的結構進行確定。

１）網絡層數的設計。本文需要構建的預測模型，主要是用于研究在短時間交通流走勢。在這種情況下，不需選擇增加網絡層數的辦法而是選擇增加隱含層神經元節點的數目來提高輸出結果的精度。因此，本文選用單一隱層的 ＢＰ神經網絡模型。

２）輸入層神經節點的設計。在單因素預測中僅使用交通流作為原始數據.

３）傳遞函數和學習函數的設計。本文所設計的模型均采用了相同的隱含層傳遞函數ｔａｎｓｉｇ、輸出層傳遞函數ｌｏｇｓｉｇ和學習函數ｌｅａｒｎｇｄｍ。

４）性能函數的確定。網絡誤差能直觀的反映預測效果的好壞程度，是預測精度的具體反映。本文在構建 ＢＰ神經網絡模型時選擇均方誤差來確定網絡的誤差情況。

５）隱含層神經節點的設計。在模型中其它參數值保持不變的情況下，本文通過調整隱含層神經節點的數目進行重復實驗，通過對比輸出誤差，確定最佳隱含層神經元節點的數目。對于單因素 ＢＰ神經網絡，當隱含層神經元節點的數目為２４時，ＢＰ神經網絡的均方誤差最小，即對函數的逼

總結

以上是生活随笔為你收集整理的【预测模型】基于BP神经网络实短时交通流预测matlab代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。