《表6 不同模型的拟合度:基于门控循环单元神经网络的公交到站时间预测》
本文采用41路公交到站数据后4 d数据作为验证集,运用式(17)定义的R-squared拟合度指标对GM(1,1)、SVM、LSTM和GRU 4种模型训练结果进行对比,结果见表6。从表中可以看出:GRU神经网络模型和LSTM神经网络模型在公交到站时间预测中相比于传统灰色GM(1,1)算法以及SVM算法来说,提升效果显著;由于GRU神经网络模型利用了门限控制单元,对原有RNN进行改进,其拟合度高达94.547%,达到所有预测模型中最高值。
图表编号 | XD00167214100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 陆俊天、孙玲、施佺 |
绘制单位 | 南通大学信息科学技术学院、南通大学信息科学技术学院、南通大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |