《表6 对比实验4:STP-RNN季节网络不同的输入数据时间跨度对预测结果的影响（评测指标：MSE)》

  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

《面向季节性时空数据的预测式循环网络及其在城市计算中的应用》

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

对比实验4．季节网络的输入数据的时间跨度对于模型效果的影响．上文中提到，STP-RNN模型需要额外输入一定时间跨度的历史数据以捕捉时空序列数据中的周期性特征．当时间跨度为0时，STP-RNN模型退化为PredRNN模型．为了验证所使用的历史数据的时间跨度对于模型效果的影响，本文依次将历史数据的时间跨度设置为2、5、6、10．从表6的实验结果可见，在时间跨度较小时，模型不能从历史数据中捕捉到足够的季节性特征用于辅助预测．当时间跨度过长时，会造成模型效率降低，难以收敛．经过若干次实验，本文选择6作为季节网络默认的输入数据时间跨度．