来源：期刊VIP网 时间：
作者：贾现广;苏治文;冯超琴;吕英英;
单位：昆明理工大学交通工程学院;昆明理工大学信息工程与自动化学院;
摘要：交通流数据中异常数据波动作为噪声，会对模型训练收敛以及预测精度产生不利影响。为解决该问题，引入两种不同阈值函数的小波阈值去噪方法对交通流数据进行降噪处理，将小波阈值去噪（WD）、鲸鱼优化算法（WOA）和双向长短期记忆网络（Bi-LSTM）相结合，提出一种WD-WOA-Bi-LSTM方法。首先，将两种方法降噪后的交通流数据进行对比，并将降噪效果更好的数据进行归一化处理、数据集划分以及数据维度转换；然后，通过WOA对Bi-LSTM部分超参数进行寻优，迭代至最优适应度的超参数组合，并用于构建Bi-LSTM；最后，应用英格兰公路交通流数据验证所提模型。结果表明：WDWOA-Bi-LSTM方法相较WOA-Bi-LSTM和WD-Bi-LSTM,RMSE降低12.500 4%和3.978 9%;MAE降低21.735 0%和4.722 5%;MAPE降低38.564 7%和10.865 2%。该模型相比其他模型评价指标均为最低，具有较高的预测精度，可以为高精度的短时交通流预测提供参考。
关键词：智能交通;;短时交通流预测;;小波阈值去噪;;鲸鱼优化算法;;双向长短期记忆网络;;深度学习;;超参数寻优
基金资助：国家自然科学基金项目(71961012)
