[发明专利]一种基于改进学习率的深度学习交通流预测方法

摘要

本发明涉及一种基于改进学习率的深度学习交通流预测方法，通过改进深度信念网络的模型在训练中对于学习率和训练次数的确定方法，利用改进的深度信念网络和径向基函数的优点建立预测用的深度信念网络‑径向基函数组合模型，使用交通流数据对模型进行训练，并使用训练完成的模型对交通流进行预测。本发明经过实验论证，当数据量较大且波动亦较大时，本发明的深度信念网络‑径向基函数组合模型无论是从预测的稳定性还是误差的结果上都明显优于其他模型，精准度高、误差小、收敛速度快。

主权项

1.一种基于改进学习率的深度学习交通流预测方法，其特征在于：所述方法包括以下步骤：步骤1：改进深度信念网络模型在训练中的学习率及训练次数的确定方法；步骤2：利用改进的深度信念网络模型和径向基函数建立预测用的深度信念网络‑径向基函数组合模型；步骤3：使用交通流数据对步骤2的模型进行训练；步骤4：使用训练完成的模型对交通流进行预测。