科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流模式识别是电梯群控系统进行优化调度必不可少的前提，针对高层住宅电梯交通流模式识别问题，经典的模式识别方法如支持向量机、模糊推理方法等应用广泛，但其仍存在长期记忆不足，识别准确度不高等缺点。深度学习中的LSTM适合学习电梯交通流时间序列中的长期依赖关系，因此本文提出一种基于LSTM的高层住宅电梯群交通模式识别方法。方法通过LSTM建立神经网络模型，学习电梯交通流时间序列中的长期依赖关系，用Softmax分类器进行分类，同时通过Adam算法优化网络参数。实验结果表明，上述算法下的交通模式识别较传统的支持向量机(SVM)、多元线性回归等方法识别精度上有明显提高。
- 单位
