《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于差分数据图和深度学习的短时交通流预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。