10.3969/j.issn.1006-6403.2022.10.017
融合深度学习与回归残差神经网络的流量预测方法
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.
流量预测、CNN-LSTM、回归残差RBF、神经网络、时空特征
42
TP391;TP183;TN919.81
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
76-79