融合深度学习与回归残差神经网络的流量预测方法

摘要：

针对流量预测的精度不高的问题,提出一种融合深度学习与回归残差神经网络的流量预测方法.考虑到流量数据时空相关性,通过CNN-LSTM网络挖掘流量数据的时空相关性,在此基础上,构建回归残差RBF神经网络实现残差推理.实验表明,本模型比传统的模型误差3.3％左右,迭代速度提升15％左右,可以看出,模型在一定程度上提升了流量预测的准确性.

关键词：流量预测、CNN-LSTM、回归残差RBF、神经网络、时空特征

所属期刊栏目：42

分类号：TP391;TP183;TN919.81

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：76-79