一种结合改进BWO-BP神经网络算法的智能交通流量预测方法

本发明公开了一种结合改进BWO‑BP神经网络算法的智能交通流量预测方法，包括数据预处理，构建多维输入特征集，采用多种策略优化BWO算法，提升模型全局搜索能力，采用改进白鲸优化算法初始化BP神经网络的连接权重与阈值，提高模型初始解质量，构建前馈型神经网络模型，使用误差反向传播算法进行网络训练；基于训练完成的网络模型进行未来交通流量预测，实现高效智能的交通管理应用。本发明在处理复杂、多变交通场景时具有更强的适应能力和更高的预测稳定性，能够更全面根据不同类型车辆的流量特征，提升整体系统对交通趋势的把握能力；计算效率较高，系统响应速度快，具备良好的实用性和部署灵活性。