摘要：城市公路隧道内任意时段交通流量的变化是个非线性的复杂过程，受诸多随机的不确定因素的影响。传统的时间序列模型多使用BP网络，但BP网络是静态网络，它只是实现一一对应的静态非线性映射关系，不适合动态系统的实时辨识，难以实施精确预测。在对城市公路隧道动态交通流分析的基础上，提出了城市公路隧道交通流量预测的动态神经网络模型，该模型基于Elman网络，具有状态记忆的功能，用Elman网络建立的时间序列模型是一个自回归滑动平均模型。它的输出不仅取决于过去和现在的输入，而且也取决于过去的输出。使用该模型仿真预测武汉首义广场隧道的交通流量，试验结果表明，该方法能够更好的提高预测精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社