[发明专利]粒子群算法优化LSTM神经网络的行程时间预测方法有效
| 申请号： | 201810946075.7 | 申请日： | 2018-08-20 |
| 公开（公告）号： | CN108986470B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 温惠英;张东冉 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G06N3/04 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 何淑珍;黄海波 |
| 地址： | 511458 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种粒子群算法优化LSTM神经网络的行程时间预测方法，包括如下步骤：步骤S1：采集行程时间数据，进行数据归一化，按比例划分为训练集和测试集；步骤S2：采用粒子群算法优化LSTM神经网络预测模型的各个参数；步骤S3：输入粒子群算法优化好的参数、训练集，进行LSTM神经网络预测模型的迭代优化；步骤S4：利用已训练好的LSTM神经网络模型对测试集进行预测，并评估模型误差。本发明的方法寻优速度快，同传统预测算法中的随机森林、SVM、KNN相比较，本发明方法对数据预测均方误差和均方根误差最小，模型减少了计算量，表现出更好的预测性能。 | ||
| 搜索关键词： | 粒子 算法 优化 lstm 神经网络 行程 时间 预测 方法 | ||
【主权项】：
1.一种粒子群算法优化LSTM神经网络的行程时间预测方法，其特征在于：包括如下步骤：步骤S1：采集行程时间数据，进行数据归一化，按比例划分为训练集和测试集；步骤S2：采用粒子群算法优化LSTM神经网络预测模型的各个参数；步骤S3：输入粒子群算法优化好的参数、训练集，进行LSTM神经网络预测模型的迭代优化；步骤S4：利用已训练好的LSTM神经网络模型对测试集进行预测，并评估模型误差。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810946075.7/，转载请声明来源钻瓜专利网。
