基于SLSTM模型的公路貨運(yùn)智能預(yù)測(cè)研究

打開(kāi)文本圖片集

摘要 針對(duì)公路貨運(yùn)預(yù)測(cè)問(wèn)題，提出一種季節(jié)預(yù)處理技術(shù)，并結(jié)合長(zhǎng)短期記憶網(wǎng)絡(luò)模型（long-short term memory，LSTM）構(gòu)建SLSTM智能預(yù)測(cè)模型。以江西省季度公路貨運(yùn)量和貨運(yùn)周轉(zhuǎn)量為例，與持續(xù)模型、灰色模型、自回歸模型、LSTM模型相比，提出的SLSTM模型能夠有效降低預(yù)測(cè)誤差約40.2%～74.4%，旨在為公路交通規(guī)劃提供一定參考。（剩余2988字）