《表1 预测模型结果分析:基于差分数据图和深度学习的短时交通流预测》
表1给出了TFP相对于其他2种方法(SVR和CNN)的误差指标。可以看出,该文提出的方法明显优于传统的SVR的预测方法和基于单个CNN的预测方法。此外,还对DG-CNN-SVR方法和去除差分操作的方法(称为G-CNN-SVR)进行了比较。通过RMSE和MAPE值,可以清楚地得出结论,差分运算确实可以消除交通流量趋势,大大提高了TFP的预测精度。
图表编号 | XD00132230100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 张海静、姚博彬、武奇生 |
绘制单位 | 长安大学电子与控制工程学院、长安大学电子与控制工程学院、长安大学电子与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |