典型文献
高速公路交通流预测模型研究
文献摘要：
通过对LSTM神经网络模型和RNN神经网络模型的架构组成以及运算方式进行了分析总结,二者在对交通流数据处理和训练时间上都各占优势.因此,本文以改进的LSTM神经网络模型(GA-LSTM模型和GRU&Bi-LSTM)对高速公路交通流进行预测研究,结果表明,改进后的模型其计算精确度和对数据处理分析能力均强于未改进的LSTM模型.
文献关键词：
交通流预测;LSTM神经网络;深度学习
中图分类号：
作者姓名：
梁永田
作者机构：
中国铁建投资集团有限公司,广东广州511400
文献出处：
引用格式：
[1]梁永田-.高速公路交通流预测模型研究)[J].交通世界（下旬刊）,2022(12):14-16,19
A类：
B类：
高速公路交通,交通流预测,RNN,流数据,训练时间,占优势,GA,GRU,Bi,流进,预测研究,计算精确度,数据处理分析,分析能力,未改
AB值：
0.310444
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。
