《表4 实际数据与实验6预测结果比较》
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EEMD-BP方法的城市轨道交通进站客流短期预测》
Fab.4 Comparison of actual data with best experimental predictions
通过表3可以得出,将原始序列分解为特征分量的形式输入比直接将原始客流序列作为神经网络输入的预测效果精度高,高相关分量是预测精准度提高的关键特征分量,分量以组合的形式输入改善预测精度的效果更好,且将高相关分量和低相关分量分开作为输入得出最佳预测结果为实验6。实际数据与实验6预测结果比较如表4所示。
图表编号 | XD00139290400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.15 |
作者 | 傅晨琳、黄敏、沙志仁 |
绘制单位 | 中山大学智能交通系统重点实验室、中山大学智能交通系统重点实验室、广东方纬科技有限公司研发中心 |
更多格式 | 高清、无水印(增值服务) |