10.3969/j.issn.1000-386x.2018.07.006
基于多时间尺度RNN的时序数据预测
时间序列数据的预测是很多领域研究的热点问题,但大多数模型都是在单一的时间尺度上进行研究.针对这一问题,基于真实的民航旅客历史出行记录,通过对数据统计处理,对旅客的出行特点以及行为规律进行了深入分析.根据其时序数据的特征建立基于后向传播算法的循环神经网络(RNN)预测模型,对未来时段的日客流量进行预测.在此基础上考虑到时序数据在不同时间尺度呈现不同的变化规律,建立多时间尺度的预测模型对旅客出行的周期性和趋势性进行建模,提升预测精度.
时间序列数据、预测模型、后向传播算法、循环神经网络、多时间尺度
35
TP3(计算技术、计算机技术)
天津市科技计划项目17YFZCGX001610
2018-10-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
33-37,62