《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》

  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

《基于门控循环单元神经网络的公交到站时间预测》

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

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。