首页|基于ABiLSTM与XGBoost组合模型的交通时间预测

基于ABiLSTM与XGBoost组合模型的交通时间预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高交通时间预测准确度,建立一种基于ABiLSTM与XGBoost的组合模型.首先,在BiLSTM模型上添加注意力机制,使模型能够对不同时间步赋予不同权重的关注,实验证明添加了注意力机制的ABiLSTM模型相较于BiLSTM模型具有更好的预测能力;其次,使用遗传算法和hyperopt对XGBoost中的参数进行调节,选用表现最好的参数作为组合模型的组成部分;最后,使用误差倒排法和最小绝对值法将ABiLSTM模型与经过调参之后的XGBoost模型进行组合.实验证明,使用了最小绝对值法的组合模型相较于任何单一模型均表现出更好的预测效果.
Traffic Time Prediction Based on ABiLSTM and XGBoost Combination Model

宋瑞蓉、路树华、王斌君、仝鑫

展开 >

中国人民公安大学信息网络安全学院,北京100038

山东省日照市人民医院,山东日照276800

交通时间 双向长短期记忆网络 注意力机制 极端梯度提升树 遗传算法

2018GABJC03

2021

10.11907/rjdk.202271

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(8)
  • 4
  • 11