基于改进的长短期记忆神经网络交通流预测

Ding Ziqiong, Tang Guangli, Zhang Botao,Lu Zibao

Cyber Security and Data Governance（2023）

引用 0|浏览0

暂无评分

摘要

针对未来时刻交通流量的预测问题,在考虑历史时刻车流量数据、日期属性、天气、降雨量等多方面影响因素的同时,提出一种考虑多方面影响因素的长短期记忆神经网络(LSTM?)模型.实验表明在对短期车流量进行预测时,LSTM?模型的准确性优于现有的基线方法;对长期车流量进行预测时,基于粒子群算法改进的长短期记忆神经网络(PSO-LSTM?)模型的准确性优于LSTM?模型.

关键词

flow prediction,neural network,improved PSO,influencing factors of traffic flow

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要