[发明专利]一种车速时间序列分频预测方法

摘要

本发明公开了一种车速时间序列分频预测方法，属于智能驾驶领域。首先利用经验小波变换将将原始车速时间序列分解为多个子层，然后建立EWT‑LSTM‑IEWT预测模型对最高频分量多次分解预测，并采用长短期记忆神经网络(LSTM)对频率仅低于最高频的分量进行预测，接着用核函数极限学习机对各个其余的低频分量进行预测，然后采用LSTM神经网络对最高频分量的预测误差进行预测以进一步降低最高频分量对预测结果的影响，最后对所有分量的预测结果进行逆经验小波变换(IEWT)，进而得到最终的车速预测结果。本发明采用核函数极限学习机和LSTM方法分别对车速时间序列的低频和高频分量进行单步预测，能有效提高短期车速预测模型的预测精度。