-
公开(公告)号:CN119988918A
公开(公告)日:2025-05-13
申请号:CN202510149002.5
申请日:2025-02-11
Applicant: 上海大学
IPC: G06F18/2113 , G08G1/01 , G06F18/2135 , G06N3/0442 , G06N3/084 , G06N3/0985 , G06Q10/04
Abstract: 本发明涉及一种基于LSTM的城市交通路网CO2排放与雾霾等级预测方法和系统。预测方法包括如下步骤:收集道路监测数据和车辆特征数据,作为输入数据;使用主成分分析和相关系数法对所述输入数据进行特征分析,筛选出与CO2排放与雾霾等级相关的特征变量作为输入特征变量;对所述输入特征变量的数据集进行归一化处理,得到归一化后的特征变量数据集;将所述归一化后的特征变量数据集划分为训练集和测试集;构建LSTM交通排放预测模型,所述LSTM交通排放预测模型包括序列输入层、LSTM层、Dropout层、ReLU层、全连接层和回归输出层;使用Adam梯度下降算法配置LSTM交通排放预测模型的超参数,所述超参数包括初始学习率、批大小、迭代次数以及梯度阈值;以及将所述归一化后的特征变量数据集输入设置好超参数的LSTM交通排放预测模型中进行训练,得到用于城市交通路网CO2排放与雾霾等级的预测模型,使用评估指标评估所述CO2排放与雾霾等级的预测模型。本发明提出的基于LSTM的城市交通路网CO2排放与雾霾等级预测方法,摆脱了传统的基于经验的预测模型存在的主观因素影响,具有强时序性的LSTM模型能够自动学习关键特征,避免人工经验的局限性。