一种基于蚁群算法优化的LSTM神经网络短时交通流量预测方法

摘要

本发明公开了一种基于蚁群算法优化的LSTM神经网络短时交通流量预测方法，从某路口通行数据库及历史数据导入至Python的Pandas模块进行预处理，并按照时间段进行分组聚合；对处理后的数据进行归一化处理；使用基于长短期神经网络构建训练模型，按照80％训练集、20％验证集的比例划分训练集与验证集；通过Ant‑Cycle蚁群算法基于启发式思想对LSTM的神经网络进行优化，与实时数据进行比对，使用MASE与决定系数指标评价模型的预测准确率，最终完成对路口短时交通流的预测。本发明使用蚁群算法优化超参数的设置避免了设置超参数困难的情况，使决定系数提升8个百分点，可有效提高路口短时交通流量预测的准确率。