现代计算机2022，Vol.28Issue(11) ：51-55.DOI:10.3969/j.issn.1007-1423.2022.11.009

基于贝叶斯优化的LSTM高速交通流量预测

Bayesian Optimization Based LSTM for High Speed Traffic Prediction

沈括 朱怡帆 孟祥毅 李海济
现代计算机2022，Vol.28Issue(11) ：51-55.DOI:10.3969/j.issn.1007-1423.2022.11.009
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于贝叶斯优化的LSTM高速交通流量预测

Bayesian Optimization Based LSTM for High Speed Traffic Prediction

沈括 1朱怡帆 1孟祥毅 1李海济1
扫码查看

作者信息

  • 1. 安徽大学互联网学院,合肥 230031
  • 折叠

摘要

利用大数据技术来研究海量的交通数据,是当前研究热点之一.而长短期记忆网络(LSTM)对大数据训练具有很强的适应性和出色的扩展性,相较于RNN无法处理长期依赖的问题具有很大的优势.基于LSTM神经网络,针对人为经验调参困难的问题,提出了一种基于贝叶斯优化的LSTM模型.最后利用英国高速公路数据集进行验证,测试模型对交通流量预测的有效性与准确性.实验结果表明,基于贝叶斯优化的LSTM模型表现出了良好的性能,预测精度较高.

关键词

大数据/LSTM/贝叶斯算法/交通流量预测

引用本文复制引用

基金项目

大学生创新创业训练计划(2021)(S202110357502)

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
被引量2
参考文献量4
段落导航相关论文