动态小波变换网络的短时交通流量预测
本文提出了一种基于神经网络的流量预测方法——动态小波变换网络模型,该模型结合了动态小波变换和门控递归单元.动态小波变换模块负责学习交通流量中的复杂特征关系,门控递归单元则利用学习交通数据的动态变化来捕捉时间依赖关系.在基于城市道路的交通预测上进行应用,实验结果表明,DWNN模型能够有效获得交通数据的时间相关性,更好地反映城市交通流量的变化特征.
智能交通、流量预测、小波变换、门控递归单元、动态小波变换网络
20
U41;TP393(道路工程)
浙江省自然科学基金——面向物联网的密文检索技术研究LQ20F020010
2020-11-30（万方平台首次上网日期，不代表论文的发表时间）
共5页
32-35,39
