TY -的A2 -林,栓盟——郑Shiqiang盟——张Shuangyi盟歌,友谊非盟- lin Zhizhe盟——江Dazhi盟——周、邓PY - 2021 DA - 2021/05/30 TI - Noise-Immune提高短期交通流预测框架SP - 5582974六世- 2021 AB -精确的短期交通流建模是一个重要的先决条件来分析和控制交通流量。规范的数据驱动的方法是一个大的参数可能underfitted训练样本有限,但他们不能自适应地提高交通流的时空相关性的理解。吵闹的和不稳定的交通流数据也防止模型有效地学习底层模式预测未来的交通流量。为了解决这些问题,我们提出一个易于实现基于极端但有效提高模型的梯度增加,提高了小波去噪对短期交通流预测。采用离散小波去噪预处理嘈杂的交通流数据。然后,运用训练数据集是重建训练极端梯度增强模型。这两个组件无缝地集成在一个统一的框架中,整个框架可以保留在数据尽可能多的特性。我们的模型能准确捕捉数据中隐藏的空间依赖性。广泛进行的实验是在四个基准数据集与常用模型。结果表明,该模型能准确捕捉隐藏的空间依赖性的交通流数据,实现性能优越。 SN - 1076-2787 UR - https://doi.org/10.1155/2021/5582974 DO - 10.1155/2021/5582974 JF - Complexity PB - Hindawi KW - ER -