基于多维长短时记忆网络的货运量预测

摘要：

数据会因属性不同而被分别记录,但是这些数据具有时空上的相关性,因此他们可以被归为同一种类进行分析,文章在长短时记忆网络(LSTM)的基础上,提出多维LSTM预测模型对同一类型不同属性的数据进行同步预测.和传统的一维数据预测方法相比,多维LSTM预测模型的优势在于其在预测的同时能够反映不同种类数据之间的关联性.货运量数据(铁路、公路和民航)实验的结果表明,多维LSTM的预测结果优于向量自回归模型.

关键词：LSTM、向量自回归、货运量、预测

所属期刊栏目：38

分类号：F222(经济计算、经济数学方法)

资助基金：上海第二工业大学应用数学学科项目XXKPY1604

在线出版日期：2022-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：180-183