融合深度学习与回归残差神经网络的流量预测方法

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《融合深度学习与回归残差神经网络的流量预测方法》，欢迎阅读！

融合深度学习与回归残差神经网络的流量预测方法

张伟;刘甫琴

【期刊名称】《广东通信技术》 【年(卷),期】2022(42)10

【摘 要】针对流量预测的精度不高的问题,提出一种融合深度学习与回归残差神经网络的流量预测方法。考虑到流量数据时空相关性,通过CNN-LSTM网络挖掘流量数据的时空相关性,在此基础上,构建回归残差RBF神经网络实现残差推理。实验表明,本模型比传统的模型误差3.3%左右,迭代速度提升15%左右,可以看出,模型在一定程度上提升了流量预测的准确性。 【总页数】4页(P76-79) 【作 者】张伟;刘甫琴

【作者单位】中国联通广东省分公司云网运营中心;中国联通中山市分公司网络BG室

【正文语种】中 文 【中图分类】TP3 【相关文献】

1.基于残差自回归方法的短期区域用电量预测2.基于时空残差网络的区域客流量预测方法3.基于月客流量残差的地铁客流季节指数预测方法4.用预报残差最小的逐步回归方法作黄河上游旱涝预测试验5.具有非参数趋势的残差自回归模型的预测方法


因版权原因，仅展示原文概要，查看原文内容请购买

本文来源：https://www.dy1993.cn/KYb4.html