典型文献
基于MDS-LSTM的航路网络短时交通流预测
文献摘要：
针对航路网络交通流时间序列预测问题,提出基于多维标度法与长短时深度神经网络的航路网络短时交通流预测方法,提升航路网络交通流预测的精度.依据航路网络航迹数据,提取路网航段交通流时间序列数据,并进行降噪滤波处理;依据路网航段交通流相关性,利用多维标度法划分预测航段组合;构建基于长短时深度神经网络的航路网络航段短时交通流回归预测模型,并进行神经网络的调参与训练,实现航路网络航段短时交通流实时预测.实验结果表明:通过引入长短时多层深度神经网络构建的预测模型能更好地拟合航路网络交通流演变规律,预测平均绝对误差均小于0.1,优于随机森林等机器学习模型,预测精度及稳定性较好.
文献关键词：
航空运输;交通流预测;航路网络;长短时深度神经网络;多维标度法
中图分类号：
作者姓名：
李桂毅;吕晓扬;李沛谦;张洪海
作者机构：
南京航空航天大学,江苏 南京211000
文献出处：
引用格式：
[1]李桂毅;吕晓扬;李沛谦;张洪海-.基于MDS-LSTM的航路网络短时交通流预测)[J].航空计算技术,2022(01):60-64
A类：
长短时深度神经网络
B类：
MDS,航路网络,短时交通流预测,流时,时间序列预测,多维标度法,航迹,时间序列数据,降噪,滤波处理,测航,流回,回归预测模型,实时预测,网络构建,演变规律,平均绝对误差,机器学习模型,航空运输
AB值：
0.139009
相似文献
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。
