典型文献
基于图小波注意力门控循环神经网络的交通流预测
文献摘要：
针对现有交通流预测方法无法对局部空间及动态时间建模的问题,提出一种图小波注意力门控循环神经网络模型(GW-AGRU).将道路网络的空间信息以图的形式表示,运用基于小波变换的图卷积神经网络从图节点中提取邻近特征;在门控循环单元中融入注意力机制,充分挖掘交通数据的时间相关性;融合时空特征进行回归预测.在真实数据集上的实验结果表明,所提方法的预测性能均优于其他模型,能够有效地预测长期的交通流量.
文献关键词：
小波变换;图卷积网络;注意力机制;门控循环单元
中图分类号：
作者姓名：
李松江;黄小莉;王鹏
作者机构：
长春理工大学计算机科学技术学院 吉林 长春 130022
文献出处：
引用格式：
[1]李松江;黄小莉;王鹏-.基于图小波注意力门控循环神经网络的交通流预测)[J].计算机应用与软件,2022(12):89-95
A类：
AGRU
B类：
注意力门,门控循环神经网络,交通流预测,对局,循环神经网络模型,GW,道路网络,空间信息,以图,于小波,小波变换,图卷积神经网络,点中,门控循环单元,注意力机制,交通数据,时间相关性,时空特征,回归预测,真实数据,预测性能,交通流量,图卷积网络
AB值：
0.34271
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。
