论文部分内容阅读
电梯交通流预测为电梯配置与群控调度提供必要的乘客流数据信息。针对基于BP神经网络的电梯交通流预测模型在网络训练过程中表现出的对初值敏感、易陷入极小值等问题,提出利用全局寻优的蚁群优化（ACO）算法优化BP神经网络。同时,利用精英蚂蚁和排序策略对基本ACO算法进行改进。采集天津某办公大厦实际交通流数据进行实例分析,分别对基于传统的BP神经网络和蚁群优化的BP（ACO-BP）神经网络的电梯交通流预测模型进行仿真验证。结果表明：ACO-BP神经网络的预测效果远优于传统的BP神经网络,适用于电梯交通流预测系统。