作者：乔松林; 孙仁诚; 刘吉深度学习短时交通流预测lstm特征svr
摘要：针对交通流数据的时间相关性和非线性等特点,现有预测方法未能充分获取交通流的本质特征,提出了一种基于深度学习的短时交通流量预测方法。该方法结合长短时记忆神经网络（LSTM）和支持向量机回归（SVR）作为预测模型,利用长短时记忆神经网络模型进行获取特征,用获取的特征训练支持向量回归进行交通流量的预测,比较了与其它模型的预测效果,真实数据集的结果表明,该模型有较高的预测精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《青岛大学学报·工程技术版》（CN：37-1268/TS）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《青岛大学学报·工程技术版》先后被确定为中国科技论文统计源期刊、中国期刊方阵双效期刊，并入选中国科技期刊文摘数据库、《中国科学引文数据库》等多家数据库，还多次获得国家和省部级优秀科技期刊奖及科技期刊优秀编辑质量奖。
杂志详情
