典型文献
基于VMD和LSTM的船舶交通流量预测方法研究
文献摘要：
船舶交通流量预测是交通组织的重要基础,船舶交通流时空分布特征复杂,具有非线性、周期性、随机性等特点,导致了预测性能的下降.针对上述问题,提出了VMD-DTW-LSTM预测模型.采用变分模态分解(VMD)方法将时序数据分解为不同频率尺度且相对平稳的子序列,实现数据的有效分解,通过引入动态时间规整(DTW)方法作为模型训练的损失函数来提高长短期记忆网络(LSTM)模型的预测精度.为验证模型的性能,设置对比实验与其他9种预测模型进行对比分析.实验结果表明:VMD-DTW-LSTM预测模型能够有效表征船舶交通流量数据的内在特征,具有更高的预测精度.
文献关键词：
交通组织;船舶交通流量预测;变分模态分解(VMD);动态时间规整(DTW);长短期记忆网络(LSTM)
中图分类号：
作者姓名：
王凯;刘文;陈进维;刘钊;刘敬贤
作者机构：
武汉理工大学航运学院 武汉 430063;武汉理工大学内河航运技术湖北省重点实验室 武汉 430063
文献出处：
引用格式：
[1]王凯;刘文;陈进维;刘钊;刘敬贤-.基于VMD和LSTM的船舶交通流量预测方法研究)[J].武汉理工大学学报（交通科学与工程版）,2022(01):177-182
A类：
B类：
VMD,船舶交通流量预测,交通组织,流时,时空分布特征,随机性,预测性能,DTW,变分模态分解,时序数据,数据分解,不同频率,子序列,动态时间规整,模型训练,损失函数,长短期记忆网络,验证模型,流量数据,内在特征
AB值：
0.165666
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
