LSTM网络:一种用于短期流量预测的深度学习方法

来源：wenku7.com 资料编号：WK720367 资料等级：★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9AWK720367

以下是资料介绍,如需要完整的请充值下载。
1.无需注册登录,支付后按照提示操作即可获取该资料.
2.资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 密保惠帮助

资料介绍

LSTM网络:一种用于短期流量预测的深度学习方法(中文8000字,英文PDF)
摘要:短时交通预测是智能交通系统的核心问题之一。准确的预测结果可以使通勤者选择合适的出行方式、出行路线和出发时间，对交通管理具有重要意义。为提高预测精度，开发一种更有效的交通数据分析方法是可行的。近年来大量的交通数据和计算能力的出现，促使我们通过深度学习的方法提高短期交通预测的准确性。提出了一种基于长短时记忆(LSTM)网络的流量预测模型。与传统的预测模型不同，LSTM网络通过一个由多个存储单元组成的二维网络来考虑交通系统的时空相关性。通过与其他典型预测模型的比较，验证了所提出的LSTM网络具有较好的性能。