基于长短期记忆网络的断面交通数据异常处理

摘要

针对基于统计模型的传统算法仅优化局部数据的问题.建立了基于长短期记忆网络深度学习模型的异常数据处理算法和基于Tensorflow框架搭建了神经网络模型.通过进行训练模型,获得备选数据集和校验数据集.通过样本标签对比,判定异常点,并进行数据替换和更新标准样本.为检验该算法的有效性,使用昆汕高速公路K2077断面交通数据,进行验算和分析.研究结果表明:长短期记忆网络模型可快速处理交通时序原始数据,并进行检测修正算法,优化了数据质量,弥补了传统算法的局限性.工作窗口的建立,精简了算法流程,提升了数据修正的精度.