２０２３年第８期(第４２卷总第５５６期)基于改进的长短期记忆神经网络交通流预测∗丁梓琼１ꎬ汤广李１ꎬ张波涛１ꎬ卢自宝１ꎬ２(１安徽师范大学物理与电子信息学院ꎬ安徽芜湖２４１０００ꎻ２安徽智能机器人信息融合与控制工程实验室ꎬ安徽芜湖２４１０００)摘要:针对未来时刻交通流量的预测问题ꎬ在考虑历史时刻车流量数据、日期属性、天气、降雨量等多方面影响因素的同时ꎬ提出一种考虑多方面影响因素的长短期记忆神经网络(ＬＳＴＭ∗)模型ꎮ实验表明在对短期车流量进行预测时ꎬＬＳＴＭ∗模型的准确性优于现有的基线方法ꎻ对长期车流量进行预测时ꎬ基于粒子群算法改进的长短期记忆神经网络(ＰＳＯ￣ＬＳＴＭ∗)模型的准确性优于ＬＳＴＭ∗模型ꎮ关键词:车流量预测ꎻ神经网络ꎻ改进的粒子群算法ꎻ交通流影响因素中图分类号:ＴＰ１８文献标识码:ＡＤＯＩ:１０１９３５８/ｊｉｓｓｎ２０９７－１７８８２０２３０８００９引用格式:丁梓琼ꎬ汤广李ꎬ张波涛ꎬ等.基于改进的长短期记忆神经网络交通流预测[Ｊ].网络安全与数据治理ꎬ２０２３ꎬ４２(８):５２－５８.Ｔｒａｆｆｉｃｆｌｏｗｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｌｏｎｇｓｈｏｒｔ￣ｔｅｒｍｍｅｍｏｒｙｎｅｕｒａｌｎｅｔｗｏｒｋＤｉｎｇＺｉｑｉｏｎｇ１ꎬＴａｎｇＧｕａｎｇｌｉ１ꎬＺｈａｎｇＢｏｔａｏ１ꎬＬｕＺｉｂａｏ１ꎬ２(１ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓａｎｄＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎꎬＡｎｈｕｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙꎬＷｕｈｕ２４１０００ꎬＣｈｉｎａꎻ２ＡｎｈｕｉＰｒｏｖｉｎｃｉａｌＥｎｇｉｎｅｅｒｉｎｇＬａｂｏｒａｔｏｒｙｏｎＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎａｎｄＣｏｎｔｒｏｌｏｆＩｎｔｅｌｌｉｇｅｎｔＲｏｂｏｔꎬＷｕｈｕ２４１０００ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｐｒｅｄｉｃｔｔｈｅｆｕｔｕｒｅｔｒａｆｆｉｃｆｌｏｗꎬａｌｏｎｇｓｈｏｒｔ￣ｔｅｒｍｍｅｍｏｒｙｎｅｕｒａｌｎｅｔｗｏｒｋ(ＬＳＴＭ∗)ｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄꎬｗｈｉｃｈｔａｋｅｓｉｎｔｏａｃｃｏｕｎｔｍａｎｙｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｓｕｃｈａｓｔｒａｆｆｉｃｆｌｏｗｄａｔａꎬｄａｔｅａｔｔｒｉｂｕｔｅꎬｗｅａｔｈｅｒａｎｄｒａｉｎｆａｌｌａｔｈｉｓｔｏｒｉｃａｌｔｉｍｅ.Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈ...
