数字技术与应用杂志社

摘要：<正>由于交通流具有随机性和非线性等特征，短时交通流预测依然面临多重挑战。为提高预测模型的精确性和实时性，本文探究若干种数学模型，并对算法进行优化，以便提高智能交通系统的预测准确率。优化后的算法用于构建经典的数学模型，从而迭代为更先进的深度学习数学模型，特别是神经网络模型，如BP神经网络、卷积神经网络（CNN）、长短期记忆网络（LSTM）循环神经网络（RNN）、图神经网络（GNN）、深度学习混合神经网络等。

基金资助： 2022年度江西省教育厅科学技术研究项目课题“基于灰狼算法短时交通流预测模型优化研究”（GJJ2206012）；

专辑： 信息科技;基础科学

专题： 数学;自动化技术

分类号： O141.4;TP18