然而,交通流是一种具有非线性、随机性、空间关联性的数据,包含多种组成成分,这使得单一模型和忽视时空信息的方法预测效果存在瓶颈。针对这两个问题,本文提出了基于多模型长短时记忆递归神经网络(LongShort-TermMemoryRecurrentNeuralNetworks,LSTM)和基于时空关联长短时记忆递归神经网络的两种短时交通流预测方法。多模型...
提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计,网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选...
基于时序处理和深度时空融合网络的长短期交通流预测系统是由大连海事大学著作的软件著作,该软件著作登记号为:2025SR0328786,属于分类,想要查询更多关于基于时序处理和深度时空融合网络的长短期交通流预测系统著作的著作权信息就到天眼查官网!