《表4 预测模型准确性比较》
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
《基于实时出行需求和交通路况的电动汽车充电负荷预测》
基于滴滴平台的2018年10月和11月出行轨迹数据和交通流量数据对时空图谱注意力网络进行训练,将前49天数据作为训练集,对剩余12天数据进行测试,并与文献[10]中的T-GCN模型进行准确性比较,基于均方根误差(root mean square error,RM SE)和平均绝对误差(mean absolute error,M AE)的评价结果如表4所示。随着预测的时间跨度增大,误差会相应增加,但ST-GAT的准确性均比T-GCN要高,这表明对于时空分布数据,图深度学习技术可以有效挖掘其时空依赖特征,并且引入注意力机制可以提高长期预测效果。
图表编号 | XD00149664900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 吴钉捷、李晓露 |
绘制单位 | 上海电力大学电气工程学院、上海电力大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |