基于ABiLSTM与XGBoost组合模型的交通时间预测

为了提高交通时间预测准确度,建立一种基于ABiLSTM与XGBoost的组合模型.首先,在BiLSTM模型上添加注意力机制,使模型能够对不同时间步赋予不同权重的关注,实验证明添加了注意力机制的ABiLSTM模型相较于BiLSTM模型具有更好的预测能力;其次,使用遗传算法和hyperopt对XGBoost中的参数进行调节,选用表现最好的参数作为组合模型的组成部分;最后,使用误差倒排法和最小绝对值法将ABiLSTM模型与经过调参之后的XGBoost模型进行组合.实验证明,使用了最小绝对值法的组合模型相较于任何单一模型均表现出更好的预测效果.