基于SSA-LightGBM的交通流量调查数据趋势预测
为了解决传统模型和机器学习模型对周期时间序列预测效果欠佳的问题,本文以韩城高速公路交通流量调查数据为数据集,提出了SSA-LightGBM交通流量调查数据预测模型.对韩城高速数据进行当量计算,然后对当量数据进行奇异谱分解得到周期项和随机项,对周期项进行信号重建,利用LightGBM预测随机项,最后将预测随机项与周期延拓信号进行叠加得到最终的高速当量预测数据.同时与XGBoost和LightGBM预测结果作对比,SSA-LightGBM预测结果与真实值最为贴近,且MAE、RMSE和R2均优于XGBoost和LightGBM模型.该结果对我国高速公路交通调查数据未来的变化趋势预测研究具有很好的指导意义,可以为我国高速公路的整修和养护提供很好的参考价值.
奇异谱分析、LightGBM模型、机器学习、高速交通量调查数据、预测
30
陕西省交通运输厅交通科研项目;国家重点研发计划;高新技术研究培育项目
2021-01-25（万方平台首次上网日期，不代表论文的发表时间）
共7页
243-249
