本文主要研究内容
作者陈深进,薛洋（2019）在《基于改进卷积神经网络的短时公交客流预测》一文中研究指出：针对城市公交客流存在随机性、时变性和不确定性的问题,文中提出了一种基于无监督特征学习理论和改进卷积神经网络的短时公交站点客流预测模型,以为市民提供实时、准确、有效的公交出行服务。运用无监督学习的方法对公交客流出行特征表达进行提取,利用大量已有数据集描述不同日期、不同时间段的短时客流的特征表达。为了防止和减少过拟合现象,运用改进卷积神经网络DropSample训练方法构造一个高效且高可信度的模型预测系统。在训练过程中,使用Adam算法的优化器对模型进行优化,更新网络模型参数,为自适应性学习率设置不同的参数。利用公交客流算法模型对广州实际公交站点的客流进行预测,实验结果表明:改进CNN网络模型的均方根误差为229.539,平均绝对百分比误差为0.117,相比于CNN网络模型、多元线性回归模型、卡尔曼滤波模型和BP神经网络模型,该模型的预测精度和可靠性更高。实例证明所提方法的预测误差更小,改进模型和算法具有实用性和可靠性。
Abstract
zhen dui cheng shi gong jiao ke liu cun zai sui ji xing 、shi bian xing he bu que ding xing de wen ti ,wen zhong di chu le yi chong ji yu mo jian du te zheng xue xi li lun he gai jin juan ji shen jing wang lao de duan shi gong jiao zhan dian ke liu yu ce mo xing ,yi wei shi min di gong shi shi 、zhun que 、you xiao de gong jiao chu hang fu wu 。yun yong mo jian du xue xi de fang fa dui gong jiao ke liu chu hang te zheng biao da jin hang di qu ,li yong da liang yi you shu ju ji miao shu bu tong ri ji 、bu tong shi jian duan de duan shi ke liu de te zheng biao da 。wei le fang zhi he jian shao guo ni ge xian xiang ,yun yong gai jin juan ji shen jing wang lao DropSamplexun lian fang fa gou zao yi ge gao xiao ju gao ke xin du de mo xing yu ce ji tong 。zai xun lian guo cheng zhong ,shi yong Adamsuan fa de you hua qi dui mo xing jin hang you hua ,geng xin wang lao mo xing can shu ,wei zi kuo ying xing xue xi lv she zhi bu tong de can shu 。li yong gong jiao ke liu suan fa mo xing dui an zhou shi ji gong jiao zhan dian de ke liu jin hang yu ce ,shi yan jie guo biao ming :gai jin CNNwang lao mo xing de jun fang gen wu cha wei 229.539,ping jun jue dui bai fen bi wu cha wei 0.117,xiang bi yu CNNwang lao mo xing 、duo yuan xian xing hui gui mo xing 、ka er man lv bo mo xing he BPshen jing wang lao mo xing ,gai mo xing de yu ce jing du he ke kao xing geng gao 。shi li zheng ming suo di fang fa de yu ce wu cha geng xiao ,gai jin mo xing he suan fa ju you shi yong xing he ke kao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机科学的陈深进,薛洋，发表于刊物计算机科学2019年05期论文，是一篇关于公交客流论文,卷积神经网络论文,无监督学习论文,训练方法论文,模型预测系统论文,计算机科学2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机科学2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：公交客流论文; 卷积神经网络论文; 无监督学习论文; 训练方法论文; 模型预测系统论文; 计算机科学2019年05期论文;