10.19678/j.issn.1000-3428.0052120
基于维度加权的残差LSTM短期交通流量预测
基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题.为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系.实验结果表明,该方法能实现短期交通流量数据的自适应建模分析.
智能交通、短期交通流量预测、残差连接、长短期记忆网络、维度加权
45
TP391.4(计算技术、计算机技术)
国家自然科学基金61771340,61302127,61601325;天津市自然科学基金18JCYBJC15300
2019-07-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5