10.16526/j.cnki.11-4762/tp.2020.06.035
基于时空残差网络的区域客流量预测方法
针对区域客流量波动性强、复杂非线性的特征,易受到季节性影响,并且单一神经网络模型无法同时学习时间与空间相关性问题,通过对区域客流量影响因素分析,结合残差网络和全连接网络,提出了用于区域客流量预测的改进Quad-ResNet模型;Quad ResNet模型融合了4个残差网络和一个全连接网络,该模型通过深层次的卷积学习空间相关性,结合4个残差网络学习时间邻近性、相似性、周期性、趋势性,使用全连接网络学习季节性影响;将Quad-ResNet模型与LSTM、CNN、ST-ResNet模型在同一数据集上进行区域客流量预测对比实验,实验结果表明,Quad-ResNet模型误差小于其他对比模型,而且在训练和预测的操作上明显比LSTM模型更简便,更适用于区域客流量预测.
区域客流量预测、残差网络、全连接网络、季节性影响
28
TP391.9(计算技术、计算机技术)
国家自然科学基金;陕西省自然科学基础研究计划资助项目;西安市科技局科技创新引导项目201805033YD11CG171,201805033YD11CG172
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
170-174