原创力文档- 1、本文档共30页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（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。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号CN110210644A
(43)申请公布日2019.09.06
(21)申请号CN201910308192.5
(22)申请日2019.04.17
(71)申请人浙江大学
地址310058浙江省杭州市西湖区余杭塘路866号
(72)发明人李春光权钲杰
(74)专利代理机构杭州求是专利事务所有限公司
代理人林超
(51)Int.CI
权利要求说明书说明书幅图
(54)发明名称
基于深度神经网络集成的交通流量
预测方法
(57)摘要
本发明公开了一种基于深度神经网
络集成的交通流量预测方法。获取交通流
量原始数据进行数据预处理，构建样本数
据，将样本数据划分为训练集和测试集，
样本数据主要为多个交通流量测量值组成
的一维时间序列数据；构建用于交通流量
预测的卷积神经网络预测模型，将样本数
据输入到模型中使用梯度优化算法进行训
练，并在训练集上对训练好的模型计算预
测误差的方差；根据预测误差的方差使用
卷积神经网络预测模型作为个体学习器，
构建用于交通流量预测的卷积神经网络集
成模型；使用卷积神经网络集成模型对待
测的交通流量数据进行预测。本发明基于
卷积神经网络模型，利用集成学习方法，
提出了一种改进的交通流量预测方法，提
高了预测的准确性。
法律状态
法律状态公告日法律状态信息法律状态
发明专利申请公布后的
2021-11-02发明专利申请公布后的视为撤回
视为撤回
2019-10-08实质审查的生效实质审查的生效
2019-09-06公开公开
权利要求说明书
1.一种基于深度神经网络集成的交通流量预测方法,其特征在于:包括以下几个步骤:
(1)获取交通流量原始数据进行数据预处理,构建样本数据,将样本数据划分为训练集
和测试集,所述样本数据主要为多个交通流量测量值组成的一维时间序列数据;
(2)构建用于交通流量预测的卷积神经网络预测模型,将样本数据输入到模型中使用
梯度优化算法进行训练,并在训练集上对训练好的模型计算预测误差的方差;
(3)根据预测误差的方差使用步骤(2)中的卷积神经网络预测模型作为个体学习器,构
建用于交通流量预测的卷积神经网络集成模型;
(4)使用步骤(3)中的卷积神经网络集成模型对待测的交通流量数据进行预测。
2.根据权利要求1所述的一种基于深度神经网络集成的交通流量预测方法,其特征在
于:所述步骤(1)具体如下:
(1.1)通过布置在道路上的传感器进行测量记录,由单个传感器得到的交通流量测量
值按照时间顺序组成一组交通流量数据序列{x
t
,t=1,2,...,T},其中x
t
表示t时刻的交通流量测量值,T表示测量时刻总数,每个传感器对应具有一个交通
流量数据序列,获得交通流量原始数据;
(1.2)对各个传感器得到的交通流量数据序列进行数据预处理,数据预处理包括最大
最小值归一化,然后经过数据预处理后构建样本容量为N的样本数据:
{(x
t
,y
t
),t∈N}
x
t
=[x
t
,x
t-1
,x
t-2
...,x
t-d+1
]
y
t
=x
t+1
N=T-d+1
其中,(x
t
,y
t
)表示构成了一个样本,x
t
表示交通流量输入序列,是由t时刻交通流量测量值x
t
及(d-1)个t时刻之前历史的交通流量测量值构成的一维时间序列数据,
文档评论（0）