基于改进的长短期记忆神经网络交通流预测.pdf
《基于改进的长短期记忆神经网络交通流预测.pdf》由会员分享,可在线阅读,更多相关《基于改进的长短期记忆神经网络交通流预测.pdf(7页珍藏版)》请在咨信网上搜索。
1、 年第 期(第 卷总第 期)基于改进的长短期记忆神经网络交通流预测丁梓琼 汤广李 张波涛 卢自宝(安徽师范大学 物理与电子信息学院 安徽 芜湖 安徽智能机器人信息融合与控制工程实验室 安徽 芜湖)摘 要:针对未来时刻交通流量的预测问题 在考虑历史时刻车流量数据、日期属性、天气、降雨量等多方面影响因素的同时 提出一种考虑多方面影响因素的长短期记忆神经网络()模型 实验表明在对短期车流量进行预测时 模型的准确性优于现有的基线方法 对长期车流量进行预测时 基于粒子群算法改进的长短期记忆神经网络()模型的准确性优于 模型关键词:车流量预测 神经网络 改进的粒子群算法 交通流影响因素中图分类号:文献标识
2、码:/引用格式:丁梓琼 汤广李 张波涛 等.基于改进的长短期记忆神经网络交通流预测.网络安全与数据治理():.():().().:基金项目:国家自然科学基金面上项目()安徽省自然科学基金项目()引言随着经济的发展 城市机动车数量呈爆发式增长交通堵塞问题日益严峻 自从 年我国提出“双碳”目标后 交通领域作为第三大碳排放源 其节能减排任重道远 交通流量预测是建设智慧城市中必须面对的重大挑战 精准和及时的交通信息不仅可以为居民提供合理的路径规划 帮助驾驶员高效出行 而且可以缓解交通压力 最大限度利用道路资源关于短期车流量的预测问题 近半个世纪内有很多研究成果 因为基于统计非参数方法预测的模型大多结构
3、简单 鲁棒性较差 不能精确预测 所以深度学习的方法慢慢占据了交通预测的主要地位 主要包括深度神经网络()、传统循环神经网络()、卷 积 神 经 网 络()、长短期记忆神经网络()和 注 意 力 模型等在已有研究中 文献 通过对比不同预测方法证明了基于 的深度学习方法与自回归综合移动平均模型相比 在预测交通流上更具优势 文献 对比了多种深度神经网络 证明基于 的交通流量预测模型具有更好的拟合能力薛佳瑶等利用 挖掘车流量在空间上的相关性 利用 挖掘车流量在时间上的依赖性 所提出的模型在车流量预测上拥有较高的精度 史亚星在预测投稿网址:年第 期(第 卷总第 期)路口交通流量变化时使用基于自动编码器和
4、 网络的模型 并通过实验证明不同的 层数、不同的参数选取方法、不同的迭代次数等都会对模型的准确率产生影响 宋予佳等对比了 和向量自回归模型 通过实验证明 模型在对大量短期车流量预测上表现更为稳定 虽然以上研究证明 模型可以对短期交通流进行预测 但它们没有考虑到其他因素对车流量的影响为了进一步提高模型准确率 文献 在采用 算法的同时 用多因素分析的思想对数据进行处理 来预测未来时刻车流量变化 文献 考虑日期特性对车流量的影响 将数据集划分为工作日和节假日以对道路拥堵情况做出更为准确的判断 文献 将降水量纳入交通流量预测模型 文献 证明了考虑降雨的情况下 模型在捕获时间序列方面也有更好的性能进一步
5、 文献 发现交通流数据会随时间变化而变化 具有不确定性 典型的 模型不能发现长期依赖关系 面对长期交通流预测问题时 模型精度有所下降 文献 提出利用粒子群算法()对 模型权重进行优化从而在不增加模型复杂度的同时最小化预测误差 文献 以昆明市为例 证明了 模型是预测交通速度的优势模型 是挖掘长时间依赖关系的有效模型综上所述 本文根据已有文献确定 模型是预测交通流的优势模型 考虑天气、季节、降水量、节假日和用户行为等其他因素对用户出行时空数据的影响 提出 模型 以提高短期车流量预测的精度 进一步为了解决(考虑其他影响因素的)模型不能处理长时间依赖关系的问题 本文引入粒子群算法并对其改进 通过改进的
6、 优化 模型的输入层权值和学习率 构建 预测模型 并将其性能与模型进行比较 获得预测长期车流量的优势模型 理论和方法 长短期记忆神经网络模型 是为解决 的梯度消失和梯度爆炸而生的 中拥有“记忆细胞”在处理数据上的时序关系时可以选择性忘记一些不重要的信息 由此记住更长的序列 在处理时间序列数据时表现出优异的性能 因此 网络在预测方面具有较好的性能如图 所示 与 相比 增加了记忆状态 这一元素 细胞状态通过 和 线路传递 隐藏状态沿 和 这两个隐藏状态值所在的方向传递 通过 细胞的三个门结构 输入门()、遗忘门()和输出门()进行交互 不仅可以保存当前输入 而且可以保留之前输入的有用信息图 模型
7、()()()()()()()()()其过程 可 以 用 以 上 式()()表 示 其 中()是各门的权值 由输入维度与输出维度相乘计算得到 ()则是各门的偏移量 是一个闸门 控制信息保留的比例 是新的输入带来的信息 通过 激活函数控制信息增减的方向从而获得新输入信息的保留部分 式()是对 进行更新 通过将 与 保留的信息相乘、新的信息 与相乘 再把两部分信息相加 得到新的状态 被更新后 通过 函数缩放并与 相乘 得到 的输出内容 粒子群算法粒子群算法是通过模仿鸟群飞行和寻找食物而提出的一种基于群体智能的优化算法 算法的原理相对简单 能够防止网络陷入局部最优 收敛速度更快可调整参数较少且易与其他
8、算法结合 在处理复杂问题中表现很好 所以十分适合在预测车流量中使用该算法中每个粒子表示一个解 都具有速度和位置两个属性 速度决定搜索解的快慢 位置决定移动方向并且每个粒子都知道自己能找到的最好位置()和整个群体范围内能找到的最好位置()所以 每个解都朝着 和 方向靠近 更新自己的位置以获取最优解 ()()()()智能算法 年第 期(第 卷总第 期)在式()、()中 表示迭代次数 表示惯性权重 可以调整粒子的搜索距离 和 为学习因子()表示粒子的自我学习能力和群体学习的影响程度 和 为 范围内的随机数 为在第 次迭代时第 个粒子自己的最优解 为在第 次迭代时第 个粒子的全局最优解 为在第 次迭代
9、时第 个粒子的位置 基于粒子群算法改进 模型 模型在短期交通流预测上具有显著的优势 但是在预测长期车流量数据时 精度降低、算法收敛速度变慢、容易陷入局部最优 而 算法操作简单、具有良好的全局搜索能力和收敛速度 因此 为了进一步提升 对长期交通流预测的精度 引入改进的 算法对 模型进行优化 希望获得一个兼具泛化性和鲁棒性的交通流预测通用模型 算法把优化后的参数赋予 网络 使其具有自动寻优、长期数据记忆的优势 其中 可优化的参数包括种群规模、惯性权重、迭代次数、学习率等 算法更新群体中每个个体对环境的适应度 直至找出最适合与 网络结合的惯性权重和学习率 从而使 网络获得一组能产生最优预测结果的最优
10、参数值 算子在参数寻优时将 模型所需的参数定义为粒子群算法中的粒子 粒子们通过调整和迭代 自适应地获得最优种群 找到 模型适用的最优参数 模型既具有 算法自适应寻找最优的优点 又具有 网络对长期信息表现较好的优点 在预测交通流量上表现出优越的性能 改进型 预测模型 改进型粒子群算法根据车流量数据的特性 建立 模型 传统的 算法虽然有较强的鲁棒性、参数少且收敛速度快但是仍存在一些问题 所以本文以隐藏层神经元数量、初始化学习速率、学习速率下降因子和学习速率下降周期为优化目标 对算法进行改进首先对 算法中自适应惯性权值 进行改进 为避免迭代后期陷入局部最优 采用非线性动态的惯性权重 如式()所示:(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 长短 记忆 神经网络 通流 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。