[发明专利]基于ARIMA和LSTM混合神经网络的短交通流预测方法

摘要

本发明公开了一种基于ARIMA和LSTM混合神经网络的短交通流预测方法，分别采集初始时段至t时段的原始交通流数据，确定ARIMA模型中差分阶数d，自回归阶数p和移动回归阶数q，得到标定参数的ARIMA(p,d,q)模型，使用初始时段至t时段的原始交通流序列训练ARIMA(p,d,q)模型，得到t时段的初步预测流数据从训练后的ARIMA(p,d,q)模型中提取AR(p)部分数据和MA(q)部分数据，以t时段的初步预测流数据AR(p)部分数据和MA(q)部分数据作为输入，以t时段的交通流数据真实值作为输出训练ARIMA‑LSTM混合神经网络模型，得到预测模型，获取预测时段的预测输入数据，将预测输入数据输入所述预测模型，得到预测时段的预测交通流数据，所得到的预测交通流数据准确性高。