文献类型：期刊文章

作　　者：刘铭[1] 鱼昕[1]

LIU Ming;YU Xin(School of Mathematics and Statistics,Changchun University of Technology,Changchun 130012,China)

机构地区：[1]长春工业大学数学与统计学院,长春130012

出　　处：《桂林理工大学学报》

基　　金：国家自然科学基金项目(61503150)。

年　　份：2021

卷　　号：41

期　　号：2

起止页码：409-414

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：针对短时交通流量预测模型受噪声数据影响预测误差较大的问题,提出了一种改进的长短期记忆网络(long short-term memory,LSTM)的短时交通流量预测模型———MVF-LSTM模型,该模型使用算术平均滤波MVF对LSTM模型的输入层进行改进,从而增加LSTM隐藏层输入的维度,利用平均相对误差对模型的迭代次数、时间步长和隐藏层神经元的个数进行调整,提高了模型的预测精度。实验结果表明:改进的模型平均相对误差降至5%,具有良好的泛化能力,可以更好地反映交通流量的变化特征。

关 键 词：短时交通流量预测 算术平均滤波  MVF-LSTM  迭代次数 噪声数据

分 类 号：U491.14[物流管理与工程类] TP183]