循环神经网络模型下道路碳排放浓度预测 |
| |
引用本文: | 张丽莉,唐明冬.循环神经网络模型下道路碳排放浓度预测[J].交通科技与经济,2024(2):23-30. |
| |
作者姓名: | 张丽莉 唐明冬 |
| |
作者单位: | 东北林业大学土木与交通学院 |
| |
基金项目: | 国家林业局948项目(2015-4-33); |
| |
摘 要: | 以湖南省永州市永州大道基本路段CO2浓度时序数据为研究对象,旨在实现道路CO2浓度的实时预测。测得用于模型训练和预测精度计算的路段CO2浓度数据,利用Savitzky-Golay滤波器对数据进行平滑去噪,在调试并建立循环神经网络最优模型结构的基础上,引入多元预测模型(MLR、SVR、BP)和时序预测模型(BP、RF、RNN、LSTM、GRU)进行预测性能对比,为路段CO2浓度的实时预测提供参照。结果表明:时序预测模型相比于多元预测模型具有更好的预测效果,特别是循环神经网络模型中的GRU表现出较高的预测精度,其次是LSTM,最后是RNN;循环神经网络模型在处理路段CO2浓度时序数据的训练和预测任务中具备突出性能,能够实时且精准预测道路路段CO2浓度。
|
关 键 词: | 综合运输 碳排放浓度 循环神经网络 时序数据 交通碳排放 |
|
|