基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型

作者：殷礼胜; 刘攀; 孙双晨; 吴洋洋; 施成; 何怡刚

来源：电子与信息学报, 2022, 45(12): 1-10.

DOI：10.11999/JEIT221172

• 短时交通流预测
• 互补集合经验模态分解
• 麻雀搜索算法
• 双向门控循环单元
• 边界局部特征延拓

该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征，为提升预测的精度及收敛速度，提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先，考虑到端点飞翼问题，通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量，有效提取了其中的先验特征；随后，利用BiGRU网络挖掘交通流量序列中的时序相关性特征，为避免局部最优，并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明，该组合预测模型中各组件对提高预测精度均起到正向作用，同时在不同交通流量数据集下的预测性能较文献[1,4]均更优，展现了精准、快速的预测表现以及良好的泛化能力。

• 单位
  武汉大学; 合肥工业大学; 自动化学院