Print

GA-LSTM模型在高速公路交通流预测中的应用

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

  • 1 长短期记忆模型介绍
  • 2 基于GA-LSTM的交通流预测模型
  •   2.1 模型预测流程
  •   2.2 交通流数据处理
  •   2.3 遗传算法优化模型参数
  •   2.4 网络训练
  •   2.5 网络预测
  • 3 实验评估指标与环境
  •   3.1 实验对比模型
  •   3.2 实验评估指标
  •   3.3 实现平台
  • 4 实验结果及分析
  •   4.1 交通流数据采集
  •   4.2 模型参数优化与分析
  •     4.2.1 遗传算法设置参数
  •       1)搜索空间.
  •       2)编码.
  •     4.2.2 遗传算法训练最优值
  •     4.2.3 参数对模型寻优影响
  •   4.3 预测结果及分析
  • 5 结 论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/19aeef754aefa8acbcf5f532.html