本發明提出一種基于混沌與強化學習的交通流預測的并行方法。包括:1.對數據進行預處理和混沌分析,通過混沌模型生成對比混沌時間序列,進行重構,標準化及數據集劃分;2.使用預處理后的數據進行強化學習訓練和對比環境的構造;3.構造actor?critic神經網絡模型進行智能體策略的學習和行為價值的判斷;4.并行框架下從進程產生多個訓練模型與環境進行互動,通過與主進程的中央神經網絡模型的離散度對比和獎勵實現并行更新,最后主進程進行預測驗證。本發明采用強化學習和混沌時間序列對交通流進行預測,比傳統統計學預測方法具有更強的解釋性和在線調整的學習能力;并行的強化學習更快速地學習和調整,產生最佳的預測結果。
聲明:
“基于混沌與強化學習的交通流預測的并行方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)