分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-06-06 合作期刊: 《计算机应用研究》
摘要： 针对现有交通流量预测算法大多仅考虑常态下的预测，而未考虑天气属性、周围地理属性对预测结果的影响，提出一种融合外部属性的组合预测模型(A-STIGCN)。首先，将外部属性作为路网中路段的属性，同时对路段的属性和交通特征进行建模，得到增强的特征向量。其次，采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息，并借助门控循环单元(GRU)对时间信息的长时记忆能力以提取其时间特性，最后，通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测，研究结果表明：A-STIGCN组合模型预测效果优于传统线性模型及变体模型，与未引入注意力机制的ASTGCN模型相比，MAE降低了约0.131，精度提高了0.068，与及未引入外部因素的TGCN模型对比分析，MAPE降低了约0.637%，精度提高了0.079，从而更好地为交通管理提供指导意见。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-05-10 合作期刊: 《计算机应用研究》
摘要： 航空货运是国家重要的战略资源，在国内及国际间的贸易中扮演着不可或缺的角色。对航空货运需求进行的科学预测是航空公司制定基础设施规划和总体投资决策的重要依据。针对航空货运量数据的不确定性，从实际需求出发，文章引入Bootstrap方法进行不确定性估计，提出一种基于分解集成的区间预测方法。具体来说，首先用局部加权回归的时间序列分解(STL)方法将货运需求数据分解，其次由支持向量回归(SVR)和季节自回归综合移动平均(SARIMA)分别对趋势分量与季节分量做预测。再次，创新性地将白噪声分量进行提取并用Bootstrap方法做重采样处理。最后，将预测结果与处理后的白噪声进行集成重构，利用分位数构造区间进行不确定性量化。对中国两大枢纽机场货运数据的实验结果表明，构建的区间能够有效地结合预测结果量化不确定性，为区间预测提供了一种新的研究思路。
点击量
点击量
下载量
评论
