作者：魏庆东; 邵峰晶; 孙仁诚数据扩展短时交通流预测自编码lstmsvr
摘要：多种机器学习和深度学习的模型和算法应用于短时交通流量预测,但是,大多数模型尤其是深度学习模型对训练样本的数量要求较高。为此,提出了一种基于数据扩展的短时交通流量预测方法,该方法基于自编码神经网络分别结合长短时记忆神经网络(LSTM)和支持向量机回归(SVR)构建预测模型,该模型利用自编码神经网络扩展的数据分别训练长短时记忆神经网络和支持向量回归进行交通流量的预测,结果表明,所提出的预测模型具有较高的精度和较好的泛化能力。
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
