一种基于集成LSTM神经网络的车流量预测方法

    公开(公告)号:CN109859469A

    公开(公告)日:2019-06-07

    申请号:CN201910118288.5

    申请日:2019-02-15

    Abstract: 本发明涉及一种基于集成LSTM神经网络的车流量预测方法,利用车流检测得到的历史数据,建立集成LSTM神经网络车流量预测模型进行车流量预测,能够降低预测模型的泛化误差,提高准确率。该方法包括以下步骤:数据预处理;根据预处理后的车流量时间序列值构建车流量矩阵数据集,利用前n个时段预测第(n+1)个时段的车流量,每个时段长Δt(Δt为时间长度,单位为min);采用不同的初始权值构造多个差异化的LSTM神经网络模型;利用bagging集成学习方法构造训练集和验证集;训练多个LSTM神经网络,得到优化模型;利用验证集计算单个LSTM模型的加权系数;将预测出的车流量值进行逆变换和反归一化得到预测车流量大小,集成加权得到最终模型预测的车流量值。

Patent Agency Ranking