第45卷第2期国防科技大学学报Vol．45No．22023年4月JOUＲNALOFNATIONALUNIVEＲSITYOFDEFENSETECHNOLOGYApr．2023doi:10．11887/j．cn．202302008http://journal．nudt．edu．cnEEMD+BiGＲU组合模型在短时交通流量预测中的应用*张玺君，郝俊(兰州理工大学计算机与通信学院，甘肃兰州730050)摘要:针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题，提出一种基于集合经验模态分解(ensembleempiricalmodedecomposition，EEMD)和双向门控循环单元(bidirectionalgatedrecurrentunit，BiGＲU)的组合交通流量预测模型，有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解，根据分解所得的本征模函数(intrinsicmodefunction，IMF)分量绘制噪声能量图谱，去除分量中的噪声，并将去噪后的IMF分量作为BiGＲU网络的输入进行训练，再将训练所得的结果进行重构加和，得到最终的预测结果。实验结果表明，未舍弃含有噪声的IMF分量进行重构的预测结果，相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型，其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果，其平均绝对百分误差相比于将全部IMF听语音■■■■■■■聊科研■■■■■■■■■■■■与作者互动分量进行重构优化了56.62%。关键词:智能交通;交通时序数据;集合经验模态分解;双向门控循环单元;交通流预测中图分类号:U491文献标志码:A开放科学(资源服务)标识码(OSID):文章编号:1001－2486(2023)02－073－08ApplicationofEEMD+BiGＲUcombinationmodelinshort－termtrafficflowpredictionZHANGXijun，HAOJun(SchoolofComputerandCommunication，LanzhouUniversityofTechnology，Lanzhou730050，China)Abstract:Aimingattheproblemsofhighrandomfluctuationofurbantrafficflowandhighnoiseindata，whichleadstothedeclineofpredictionaccuracy，acombinedtrafficflowpredictionmodelbasedonEEMD(ensembleempiricalmodedecomposition)andBiGＲU(bidirectionalgatedrecurrentunit)wasproposed，whichcaneffectivelyimprovetheaccuracyofshort-termtrafficflowprediction．EEMDalgorithmwasusedtodecomposetheoriginaldata，andthenoiseenergymapwasdrawnaccordingtotheIMF(intrinsicmodefunction)componenttoremovethenoiseinthecomponent．ThedenoisedIMFcomponentsweretrainedastheinputofBiGＲUnetwork．Andt...
