| 专利号 | 2018107622649 | 申请日 | 2018-07-12 | 专利名称 | 基于混合深度学习模型LSTM-ResNet的城域时空流预测方法 |
| 授权日 | 2022-02-08 | 专利权人 | 中国海洋大学 | 发明人 | 韩勇;任沂斌;陈戈;王程;周林;王舒康 |
| 主分类号 | G06F16/9537 | 关键词 | 应用领域 | ||
| 摘要 | 本发明涉及一种基于混合深度学习模型LSTM‑ResNet的城域时空流预测方法。准确预测城市时空数据流的变化可为城市管理提供重要参考，这其中的关键是有效提取数据中的时空依赖特征。当前，已被应用到时空流预测的卷积神经网络侧重空间关联特征的提取，忽略了时间维度的依赖关系和时空关联特征。深度学习模型中，长短记忆网络(LSTM)适用于时间序列的动态建模，残差卷积网络(ResNet)适用于大范围空间关联特征提取。因此，我们融合LSTM和ResNet，构建时空流预测混合深度学习模型：利用LSTM考虑前后时间依赖，滤掉无效时间特征；将LSTM的输出输入到ResNet中，提取时空关联特征。该模型能够自动、准确地捕获时空关联特征，特别是考虑前后依赖的情况下保留有效时间特征。 | ||||
| 创新点 | |||||
| 技术分类 | 标 签 | 战兴产业 | 新一代信息技术 下一代信息网络产业 | ||
| 运营方式 | 合作方式 | ||||
| 联系人 | 联系电话 | 电子邮箱 | |||
| 详细说明 | |||||
