首页|基于贝叶斯优化的LSTM高速交通流量预测

基于贝叶斯优化的LSTM高速交通流量预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Bayesian Optimization Based LSTM for High Speed Traffic Prediction

沈括、朱怡帆、孟祥毅、李海济

展开 >

安徽大学互联网学院,合肥 230031

大数据 LSTM 贝叶斯算法 交通流量预测

大学生创新创业训练计划(2021)

S202110357502

2022

10.3969/j.issn.1007-1423.2022.11.009

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(11)
  • 2
  • 4