TY - JOUR A2 - 李，Longzhuang AU - 张，陈AU - 他，杰盟 - 王，银海AU - 燕鑫通AU - 张长建AU - 陈恺AU - 刘，紫阳AU - 周，刘伯坚PY -2020 DA - 2020年6月30日TI - 一个碰撞的严重程度预测方法 - 基于改进神经网络和因子分析SP - 4013185 VL - 2020 AB - 碰撞严重程度的预测已提高在交通事故研究中的一个关键问题。因此，在这方面取得进展，在这项研究中，彻底人工神经网络具有改进的元启发式算法相结合进行开发和测试在其结构方面，训练功能，因子分析，并比较结果。从I5，在2011 - 2015年期间在美国华盛顿州州际公路数据，被用于拟合和预测，并设置理论三层神经网络（NN），一种改进的粒子群优化（PSO）方法与后自适应惯性重量被提供以优化NN，最后，不同的自适应策略之间的比较被进行。结果表明，虽然算法产生几乎在他们的预测同样的精度，反向传播方法在PSO非线性惯性权重的设置相结合产生的快速全局和准确的局部最优搜索，从而表明更好地了解整个模型的解释，这可能最适合的模型，最后，因子分析表明，非道路相关的因素，特别是车辆相关的因素，要比道路相关的变量更为重要。在这项研究中开发的方法可以应用于交通事故的大数据分析，可以作为政策制定者和交通安全研究人员快速有用的工具。SN - 1026-0226 UR - https://doi.org/10.1155/2020/4013185 DO - 10.1155 /四百○一万三千一百八十五分之二千○二十○JF - 离散动力学自然与社会的PB - Hindawi出版KW - ER -