改进WOA优化LSTM神经网络的短时交通流预测

作者：曾蓉; 黄德启^*; 魏霞; 赵恒辉

来源：新疆大学学报(自然科学版)(中英文), 2022, 39(02): 242-248.

DOI：10.13568/j.cnki.651094.651316.2021.03.05.0001

• 交通流预测
• IWOA-LSTM
• tent混沌
• 收敛因子

针对城市交通中交叉路口短时交通流预测问题，本文提出了一种IWOA-LSTM模型，该模型是在传统的WOA算法基础上，对初始种群进行tent混沌初始化，同时将线性递减的收敛因子改进为非线性的方式，再将改进后的IWOA算法与LSTM神经网络模型结合，所得到的IWOA-LSTM模型提高了对交通流预测的精度．本文选取了8个基准测试函数对IWOA算法进行性能测试和仿真实验，验证了改进的IWOA算法在收敛速度以及精度上的优势．最后将IWOALSTM模型的预测结果和PSO-LSTM模型的预测结果分别与实际交通流量进行对比，得出IWOA-LSTM算法误差更小的结论．

• 单位
  新疆大学