作者：吕田短时交通流预测sdzgru辅助特征
摘要：针对当前短期交通流量预测方法误差较大,且仅依靠时间序列数据进行预测的问题,提出一种基于SDZ-GRU的多特征短时交通流预测方法(简称SGMTFP)。该方法在现有的时序数据的基础上加入时间信息等一系列辅助数据,并将SDZ(Surprisal-Driven Zoneout)应用于门控循环单元(Gated Recurrent Unit, GRU)构成新的RNN单元SDZ-GRU。通过滚动式嵌套交叉验证实验,本文方法在均方根误差与平均绝对误差上比常规的GRU分别下降了7.68%和14.55%;另外由于SGMTFP方法加入了辅助特征,相比较不使用辅助特征的情况下,均方根误差与平均绝对误差分别下降了10.9%和15.1%,实验结果表明,本文方法能有效减小误差。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
