论文摘要
为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法（GA）对数据时间窗步长、长短期记忆（LSTM）神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.
论文目录
文章来源
类型: 期刊论文
作者: 温惠英,张东冉,陆思园
关键词: 交通流预测,长短期记忆,循环神经网络,深度学习,遗传算法
来源: 哈尔滨工业大学学报 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,自动化技术
单位: 华南理工大学土木与交通学院
基金: 国家自然科学基金(51378222,51578247)
分类号: U491.14;TP18
页码: 81-87+95
总页数: 8
文件大小: 613K
下载量: 530