点击空白处退出提示
作品详情
基于数仓历史数据对未来时间段内全路网车站的分时客流预测;对于机器学习模型,添加因素特征,如:天气、季节、星期、日期等,以每日小时级客流量作为一个分时序列,利用统计学的异常检测及修复,对于输入数据进行预处理,研发出一套基于因素相似度的的模型,取topN相似日期的加权平均作为预测日的分时序列预测结果,能够路网全部车站平均精度达到92.85%;对于深度学习模型,构建一套内嵌因素特征的神经网络模型,能够达到接近的精度,目前正在优化阶段。
声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
评论