科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于模型训练中人工设计特征方法复杂,无法充分利用通行费数据特征,且仅基于历史数据进行单一站点通行费预测,忽略了高速公路路网中站点的相互影响。针对上述两方面问题,提出一种基于深度置信网络的多任务高速公路通行费预测模型(MD-SVR)。采用具有高斯分布的深度置信网络(CRBM-DBN)对通行费数据进行特征学习,在DBN顶层添加一个回归层引入多任务学习(MTL)结合支持向量回归(SVR)进行通行费预测,采用深度网络结构顶层权重聚类方法,将相关任务分为一组共同训练预测模型。实验结果表明,MD-SVR通行费预测模型与传统方法相比预测精度更高。
- 单位
