一种基于深度自适应学习的交通流预测方法

    公开(公告)号:CN115564016A

    公开(公告)日:2023-01-03

    申请号:CN202211032789.X

    申请日:2022-08-26

    Abstract: 本发明公开了一种基于深度自适应学习的交通流预测方法,步骤包括:对城市智能交通系统交通流数据进行样本抽取,数据处理的规则设置、预处理、归一化以及时序与数据集划分;组建深度LSTM网络,引入遗传算法GA进行深度网络的训练优化,构建深度网络超参数自适应优化的GA‑mLSTM模型;利用训练集和测试集对GA‑mLSTM模型进行训练和测试并根据测试结果进行性能评估;重复上述步骤,获得GA‑mLSTM模型的预测配置参数。该交通流预测方法构建了GA‑mLSTM模型,通过LSTM的深度网络设计保证模型泛化能力;引入遗传算法在全局空间获得最优解,加速模型收敛;通过差分运算对预测误差进行优化,提升整体交通流预测模型的准确率。

Patent Agency Ranking