基于VMD⁃ISSA⁃LSTM的短时交通流预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要： 针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题，将变分模态分解（Variational Mode Decomposition， VMD）和改进麻雀搜索算法（Improve Sparrow Search Algorithm， ISSA）与长短期记忆（Long Short⁃Term Memory， LSTM）神经网络相结合，建立一种短时交通流预测模型（VMD⁃ISSA⁃LSTM）。（剩余8536字）

试读结束

目录
monitor