基于堆栈自编码器-支持向量回归的交通流量预测方法

发明专利有效专利

申请号：
CN201810673069.9
IPC分类号：G06Q10/04;G06Q50/26;G08G1/01;G06N3/08
申请日期：
2018-06-26
申请人：
浙江工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于堆栈自编码器-支持向量回归的交通流量预测方法
申请号	CN201810673069.9	申请日期	2018-06-26
法律状态	实质审查	申报国家	中国
公开/公告日	2018-11-30	公开/公告号	CN108921343A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;5;0;/;2;6;;;G;0;8;G;1;/;0;1;;;G;0;6;N;3;/;0;8查看分类表>
申请人	浙江工业大学	申请人地址	浙江省杭州市下城区潮王路18号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江工业大学	当前权利人	浙江工业大学
发明人	张美玉;简琤峰;孙畅;况祥
代理机构	杭州赛科专利代理事务所（普通合伙）	代理人	郭薇

摘要

本发明涉及一种基于堆栈自编码器‑支持向量回归的交通流量预测方法，通过构建堆栈自编码器‑支持向量回归组合模型，对输入的交通流数据归一化处理，进行特征学习后，经过无监督的逐层特征训练以及有监督的参数微调，得到数据特征，将得到的数据特征作为新的训练和测试样本，通过预测层进行预测，最终将结果反归一化得到预测结果。本发明在预测精度、收敛速度等方面取得了优于其他现有的预测模型的预测效果，可行性高，效果好。本发明预测效果好，拟合程度高，能有效解决现有预测模型的问题，防止局部最优化的产生，大大提高预测精度，适用性广，不仅适用于桥梁交通流量预测，也适用于普通路段的交通流量预测，在短时交通流量预测方面效果也较好。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供