典型文献
基于BP-LSTM组合神经网络模型的汽车车速预测
文献摘要：
准确的汽车车速预测对整车能量分配、道路交通管理具有重要意义.针对汽车车速本身具有高度时变性以及单模型预测存在局限性的特点,提出:反向传播神经网络-长短时记忆网络(BP-LSTM)组合神经网络模型,首先利用BP神经网络进行训练,将训练集数据和得到的预测输出、残差输入到Adam算法优化的LSTM神经网络中,用于训练LSTM模型.结合BP网络结构简单、预测时间短、LSTM精度高的优点,通过深度学习框架Tensorflow进行模型的搭建与验证,实现基于BP-LSTM组合神经网络模型的短时车速预测.结果表明:组合神经网络预测效果优于BP、LSTM两种单一模型,预测精度得到改善.
文献关键词：
车速预测;组合神经网络模型;BP神经网络;LSTM神经网络
中图分类号：
作者姓名：
王维强;于金泉;周一鹤;严运兵
作者机构：
武汉科技大学 汽车与交通工程学院,武汉430065
文献出处：
引用格式：
[1]王维强;于金泉;周一鹤;严运兵-.基于BP-LSTM组合神经网络模型的汽车车速预测)[J].智能计算机与应用,2022(06):54-59
A类：
B类：
组合神经网络模型,车车,车速预测,整车,能量分配,道路交通管理,时变性,单模,反向传播神经网络,长短时记忆网络,训练集,Adam,算法优化,结构简单,深度学习框架,Tensorflow,神经网络预测
AB值：
0.216757
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。
