基于维度加权的残差LSTM短期交通流量预测
作者： 天津工业大学计算机科学与技术学院; 天津300387; 天津工业大学电子与信息工程学院; 天津300387; 南洋理工大学计算机科学与工程学院; 新加坡639798; 天津市光电检测技术与系统重点实验室; 天津300387
摘要：基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系。实验结果表明,该方法能实现短期交通流量数据的自适应建模分析。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
相关热门期刊
