集成BP神经网络预测模型的研究与应用

BP神经网络对逼近实数值提供了一种顽健有效的学习方法，适合对路口交通流量进行预测。针对BP神经网络存在易陷入局部最小值和收敛速度慢的问题，提出了一种集成BP预测模型。该模型集成多个具有不同初始权值和训练集的BP模型，并以加权平均值的方法作为结合方法。其中的每个BP模型是以一种改进的MapReduce方法实现的。将该模型运用到交通路口车辆分流流量大小的预测实例中，并依次与单机实现的单个BP模型和MapReduce实现的单个BP模型进行比较。结果表明，集成BP模型在路口车辆分流流量大小的预测中有较高的准确率和实时性。