摘要:针对城市交通流量强随机性的问题,为克服非线性和时变特点的影响,提出了基于粒子群(PSO)优化双向长短时记忆网络(Bi-LSTM)的交通流量预测模型,达到城市交通流量高精度预测效果。首先,建立基于Bi-LSTM的交通流量短期预测模型;其次,采用粒子群PSO算法对Bi-LSTM模型的超参数进行寻优,提升预测模型的泛化性。通过对比实...
基于PSOLSTM的高速公路短时交通流预测研究一、引言随着全球经济的持续发展和城市化进程的加速,高速公路在交通运输中的地位日益重要。短时交通流预测是高速公路运营管理的关键问题之一,对于提高道路安全、优化交通流量、预防交通拥堵等方面具有重要作用。近年来,深度学习技术在各领域得到了广泛应用,尤其在图像处理、自然语言...
一种基于PSO-Attention-LSTM模型的交通流预测方法.pdf,本发明公开了一种基于PSO‑Attention‑LSTM模型的交通流预测方法;该方法包括:采用长短期记忆网络LSTM提高交通流数据预测效果;引入注意力机制学习不同交通节点之间的空间联系,捕捉空间依赖关系;利用粒子群优化
基于PSO-LSTM算法的智能交通流量预测研究
基于CNN-LSTM-PSO的交通流量预测 ① 佘占峰* (南京邮电大学计算机学院 江苏南京 210000)摘 要：伴随着经济的发展，城市内交通流量迅速增长，从而导致城市内交通道路拥堵问题日益严峻。为了缓解道路拥堵压力，该文提出了一种基于CNN-LSTM-PSO的深度学习短期交通流预测框架，该框架结合CNN （Convolutional Neural ...
为了精确预测非线性,非平稳性的血糖浓度时间序列,文章提出一种基于变分模态分解和粒子群优化长短时记忆网络的血糖浓度短期预测模型(VMD-PSO-LSTM).该方法首先利用VMD... 童梦,丁国荣,余楠,... - 《计算机与数字工程》 被引量: 0发表: 2023年 基于孤立森林算法贝叶斯优化的Bi-LSTM交通流量预测 精确的交通流预测是...