基于改进LSTM算法的短时交通流量预测

针对短时交通流量预测模型受噪声数据影响预测误差较大的问题,提出了一种改进的长短期记忆网络(long short-term memory,LSTM)的短时交通流量预测模型———MVF-LSTM模型,该模型使用算术平均滤波MVF对LSTM模型的输入层进行改进,从而增加LSTM隐藏层输入的维度,利用平均相对误差对模型的迭代次数、时间步长和隐藏层神经元的个数进行调整,提高了模型的预测精度。实验结果表明:改进的模型平均相对误差降至5%,具有良好的泛化能力,可以更好地反映交通流量的变化特征。

Markov跳变系统MVF滤波器设计

针对离散时间Markov跳变系统设计最小方差有限脉冲响应滤波器。这类滤波器在一段有限的滚动时域上利用可测输入和输出的线性函数来估计系统的状态,并使估计状态能尽可能接近实际状态,即满足无偏差条件。通过最小化估计误差的方差,可以得到最优滤波器。为了便于工程应用,假设每一个采样时刻的跳变模态和系统的输入、输出均是可知的。最小方差有限脉冲响应滤波器分别以序列形式和迭代形式给出。数值示例验证了所提方法的可行性和有效性。