改进WOA优化LSTM神经网络的短时交通流预测

被引：9

作者：

曾蓉

黄德启

魏霞

赵恒辉

机构：

[1] 新疆大学电气工程学院

来源：

新疆大学学报(自然科学版)(中英文) | 2022年 / 39卷 / 02期

关键词：

交通流预测; IWOA-LSTM; tent混沌; 收敛因子;

D O I：

10.13568/j.cnki.651094.651316.2021.03.05.0001

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082301 [道路与铁道工程];

摘要：

针对城市交通中交叉路口短时交通流预测问题，本文提出了一种IWOA-LSTM模型，该模型是在传统的WOA算法基础上，对初始种群进行tent混沌初始化，同时将线性递减的收敛因子改进为非线性的方式，再将改进后的IWOA算法与LSTM神经网络模型结合，所得到的IWOA-LSTM模型提高了对交通流预测的精度．本文选取了8个基准测试函数对IWOA算法进行性能测试和仿真实验，验证了改进的IWOA算法在收敛速度以及精度上的优势．最后将IWOALSTM模型的预测结果和PSO-LSTM模型的预测结果分别与实际交通流量进行对比，得出IWOA-LSTM算法误差更小的结论．

引用

页码：242 / 248

页数：7

共 14 条

[11]

Traffic Flow Prediction With Big Data: A Deep Learning Approach.[J].Lv Yisheng;Duan Yanjie;Kang Wenwen;Li Zhengxi;Wang Fei Yue.IEEE Transactions on Intelligent Transportation Systems.2014,

[12]

一种改进的鲸鱼优化算法 [J].

张永 ;

陈锋 .

计算机工程, 2018, 44 (03) :208-213+219

[13]

基于深度学习的短时交通流预测研究 [J].

王祥雪 ;

许伦辉 .

交通运输系统工程与信息, 2018, 18 (01) :81-88

[14]

深度学习在城市交通流预测中的实践研究 [J].

尹邵龙 ;

赵亚楠 .

现代电子技术, 2015, 38 (15) :158-162

← 1 2 →