基于车流量数据的SARIMA和LSTM组合模型的比较研究

摘要：

针对同时具有周期性、长记忆性等多种特征的车流量数据,单一地SARIMA或LSTM模型往往拟合效果不理想,而其组合模型可以弥补单一模型的不足.结合线性和非线性预测方法,文中分别建立了三个SARIMA-LSTM组合模型,随后,对车流量数据进行了预测分析,通过与SARIMA、LSTM两种单模型拟合效果的比较分析表明:1)对含周期性和长记忆性的数据,组合模型的预测效果更优;2)基于MA滤波方法的组合模型三比其他两种方法在提升模型预测精度上表现更好.

关键词：季节性差分自回归滑动平均模型(SARIMA)、长短期记忆网络(LSTM)、MA滤波、车流量预测

所属期刊栏目：44

分类号：O212.1(概率论与数理统计)

资助基金：吉林省教育厅人文社科研究项目JJKH20220649

在线出版日期：2023-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：72-77