《表1 客流数据模型样本:基于融合模型动态权值的短期客流预测方法》
本文结合卡尔曼滤波算法和KNN算法的特点,提出二维时间序列融合预测模型。首先,描述数据特征,将原始客流数据调整为基于横向和纵向的时间序列。为了增加预测的准确性,引入动态权重对所得横、纵向客流数据进行调整,构建一种融合模型。例如,为了预测k时刻的客流量q?(k),先分别根据卡尔曼滤波算法和KNN算法,实施并行预测,输出结果中基于横向公交客流数据预测得到的k时刻客流值qs1(k)和基于纵向公交客流预测得到的k时刻客流值qs2(k)。然后根据预测权重,对二维时间序列客流数据进行调整。本文基于二维时间序列数据对数据特征进行分析,表1给出了时间序列的一个简单示例。
图表编号 | XD00107324300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 马晓旦、武经纬、梁士栋、赵天羽 |
绘制单位 | 上海理工大学管理学院、上海理工大学管理学院、上海理工大学管理学院、上海理工大学管理学院 |
更多格式 | 高清、无水印(增值服务) |