交通流分析和预测不仅是智能交通系统的核心内容,也是监控信息服务、交通控制与诱导的重要基础。本文以交通流和神经网络理论为基础,重点讨论了神经网络应用于高速公路交通流预测的两种函数模型,即BP神经网络和小波神经网络。主要研究内容如下：1、通过对交通流和神经网络的学习和研究,提出了高速公路交通流的BP神经网络和小波神经网络的预测方案,分析了高速公路神经网络的建模过程和预测性能。同时,针对标准BP网络模型的误差过大、无法收敛问题,采用附加动量和自适应调节学习率的方式对BP网络进行改进。2、以辽宁高速阜营段的实际交通流数据为样本进行预测仿真。通过对预测数据的比较,从系统稳定性、学习效率和预测精度等方面分析了BP神经网络和小波神经在高速公路交通流预测上各自的优势和不足。3、总体来说,标准的BP神经网络预测效果较差,无法达到设计要求。但改进后的BP神经网络和小波神经网络模型对高速公路交通流预测的效果基本符合实际交通诱导的需求。预测精度方面,小波网络优于BP神经网络；系统稳定性方面,BP网络优于小波网络。