買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉淮陰工學院申請的專利一種基于堆疊回歸的道路交通流量預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117116042B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311065471.6，技術領域涉及：G06F18/27；該發明授權一種基于堆疊回歸的道路交通流量預測方法是由胡勇;金鷹;康瑤;李樂怡;徐億如;張水星設計研發完成，并于2023-08-22向國家知識產權局提交的專利申請。

本一種基于堆疊回歸的道路交通流量預測方法在說明書摘要公布了：本發明公開了一種基于堆疊回歸的道路交通流量預測方法，包括獲取公共數據集，并進行預處理以及特征提取，將特征序列劃分為訓練集以及測試集，作為后續模型的輸入；構建Bi?GRU模型以及GBR模型，設置兩個模型對應的模型參數，完成兩個模型的構建；將Bi?GRU模型和GBR模型作為基礎模型單元，通過將ridge算法作為元模型，利用堆疊回歸算法搭建出混合模型，然后對模型進行集權處理；對混合模型進行模型的訓練以及通過權重劃分，實現模型數據的預測；將模型預測的結果進行校驗并且檢測其準確性。本發明利用堆疊回歸算法將GBR與Bi?GRU模型以ridge算法作為元模型堆疊起來，對混合模型進行訓練與預測，可以提高了交通流量預測的精確性與準確性。

本發明授權一種基于堆疊回歸的道路交通流量預測方法在權利要求書中公布了：1.一種基于堆疊回歸的道路交通流量預測方法，其特征在于，包括如下步驟： S1、獲取歷史車流量統計數據，作為公共數據集，并進行預處理以及特征提取，將特征序列劃分為訓練集和測試集，作為后續模型的輸入； S2、構建雙向門控循環單元Bi-GRU模型以及梯度提升回歸GBR模型，首先設置兩個模型對應的模型參數，然后依據對應參數，完成兩個模型的構建； S2.1、雙向門控循環單元Bi-GRU神經網絡結構，設置其神經元個數以及激活函數，進而創建Bi-GRU模型，Bi-GRU模型包括輸入層、雙向GRU層、合并層、輸出層，其中雙向GRU層包括前后GRU層，前GRU層與后GRU層的設置的參數是一致的，其運算公式如： Zt＝σWzxt+Uzht-1+bz rt＝σWrxt+Urht-1+br 其中，σ是sigmoid函數，xt是輸入特征序列的第t個時間步，ht-1是前一個時間步的隱狀態，rt、Zt分別為重置門和更新門，ht'為候選隱狀態，ht為當前隱狀態，Wz和Uz分別是輸入xt和隱藏狀態ht-1與更新門的權重矩陣，bz是偏置向量，Wh是輸入xt與候選隱藏狀態ht'的權重矩陣，Wr和Ur分別是輸入xt和隱藏狀態ht-1與重置門的權重矩陣，br是偏置向量，Uh、bh是模型的權重和偏置，表示按元素相乘，tanh是雙曲正切函數； S2.2、梯度提升回歸GBR迭代決策樹結構，設置決策樹的數量，決策樹深度，學習率以及損失函數，進而創建GBR模型，GBR模型使用梯度提升回歸算法： Ftx,ht-1＝Ft-1x,ht-1+λt*gtx,ht-1 其中，Ft-1x,ht-1是前一個時間步的預測結果，λt是步長learningrate，gtx,ht-1是GBR模型在時間步t的回歸預測結果； S3、將Bi-GRU模型和GBR模型作為基礎模型單元，通過將ridge算法作為元模型，利用堆疊回歸算法搭建出混合模型，并對模型進行集權處理； S3.1、創建Bi-GRU模型與GBR模型，方便后續混合模型的創建； S3.2、堆疊回歸模型由Bi-GRU模型和GBR模型組成，并使用ridge回歸模型作為元模型，將兩個模型拼接成一個混合模型： Fx,h0＝ridge[F0x+λ1*g1x,h0+λ2*g2x,h1+......+λt*gtx,ht-1 其中，F0x是初始的預測值，h0是初始的隱狀態，λ1,λ2......λt是每個時間步的步長； S4、對通過堆疊算法產生的混合模型進行模型的訓練、通過權重劃分，進而實現模型數據的預測； S5、將模型預測的結果進行校驗并且檢測其準確性。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人淮陰工學院，其通訊地址為：223005 江蘇省淮安市經濟技術開發區枚乘東路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。