原文传递
基于BP组合模型的短期车流量预测方法
| 论文题名： | 基于BP组合模型的短期车流量预测方法 |
| 关键词： | 短期车流量预测;BP组合模型;集成学习;注意力机制 |
| 摘要： | 近年来，由于生活质量愈来愈高，人们日益向往快捷的出行方法，但是交通拥堵成为制约这一追求的重要障碍。为了更有效的解决这一问题，本文围绕交通流预测问题，提出了基于BP组合模型的短期车流量预测方法。为了更好的完成预测任务，在数据预处理部分先根据工作日和休息日交通流明显不同的特征划分为两个数据集。为了更多的提取数据特征，在分为两个新数据集的基础上使用k均值聚类(k-means)算法。先用日交通流聚类的方法对两个新数据集进行处理，将工作日和休息日数据集再分别分为两个新数据集。由于在交通流数据中，往往是多种联系并存的，为了达到整合数据中各种联系的目的，使用改进的stacking集成学习模型整合数据特征，又考虑到交通流数据主要存在时间和空间两因素的制约，所以本文意图使用改进后的长短时记忆神经网络(Long Short-term Memory Networks，LSTM)、门控循环神经网络(Gated Recurrent Unit，GRU)以及卷积神经网络(Convolutional Neural Networks，CNN)作为基模型，使其分别提取时间与空间两个数据特征。在对基模型的选取上，本文考虑到基模型预测效果和基模型结构差别两个方面，通过设置对比实验，发现经过注意力机制优化后的LSTM、GRU和CNN模型的预测效果可达到实验要求，且三者的结构也有较大不同，符合基模型“好而不同”的原则，所以本文使用以上三个模型作为基模型，而后使用BP神经网络作为元学习器，以构建BP组合模型。通过实验验证，在四类新数据集中，BP组合模型的MAE分别比预测效果最好的基学习器提高了31.21％、31.61％、57.23％和8.64％。 |
| 作者： | 魏健 |
| 专业： | 应用统计 |
| 导师： | 赵红涛;张晓 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华北电力大学(北京) |
| 学位年度： | 2022 |
检索历史
应用推荐
