首页|冬季高速公路逐时路表温度LSTM预测模型

冬季高速公路逐时路表温度LSTM预测模型

Hourly road surface temperature LSTM prediction model of expressway in winter

扫码查看
原文链接
  • 万方数据
  • 维普
为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证.结果表明:与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0,1)℃之间的占比为93％和89％.LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好.

戴秉佑、杨文臣、戢晓峰、周林义、房锐

展开 >

昆明理工大学交通工程学院,云南昆明650500

云南省交通规划设计研究院有限公司陆地交通气象灾害防治技术国家工程实验室,云南昆明650200

云南数字交通重点实验室,云南昆明650103

中国气象局交通气象重点实验室,江苏南京210008

展开 >

高速公路 路表温度 长短时记忆(LSTM)神经网络 逐时预测 气象因素

国家重点研发计划交通运输行业重点科技项目交通运输行业重点科技项目云南省科技厅基础研究计划

2022YFC30026012018-MS4-102ZL-2018-04202101AT070693

2023

10.16265/j.cnki.issn1003-3033.2023.01.2215

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(1)
  • 2
  • 4