《表5 基于小波神经网络的潜在需求预测表（辆）》
提示：宽带有限、当前游客访问压缩模式
根据潜在需求计算公式（1），使用小波神经网络预测结果获得站点2具有潜在需求当天的潜在需求量，如表5所示。
| 图表编号 | XD00174322900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 李思其、李源庆臻 |
| 绘制单位 | 长沙理工大学交通运输工程学院、长沙理工大学交通运输工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 变量的描述性统计：基于小波分析与奇异谱分析的RBF神经网络模型预测》2020.06.25
- 《表2 砂浆配合比：基于小波分析与奇异谱分析的RBF神经网络模型预测》2020.06.25
- 《表1 砂浆配合比：基于小波分析与奇异谱分析的RBF神经网络模型预测》2020.06.25
- 《表1 初始流量数据采集：基于时空相关性和遗传小波神经网络的路网短时交通流预测》2020.05.15
- 《表2 异常数据表：基于粒子群优化小波神经网络的行程时间预测》2020.04.01
- 《表3 时间窗口选取结果：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表2 风电数据集特征：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表1 重构后数据描述：基于小波深度置信网络的风电爬坡预测方法》2019.11.28
- 《表1 模型概述：基于小波-Elman神经网络的信号交叉口首车到达时间预测》2019.10.08
- 《表3 正负相关转化后：基于小波神经网络爆破振动速度预测与分析》2019.09.15
- 《表4 预测结果：基于小波神经网络爆破振动速度预测与分析》2019.09.15
- 《表2 均值化后：基于小波神经网络爆破振动速度预测与分析》2019.09.15
- 《表1 原始数据：基于人工蜂群优化小波神经网络的隧道沉降预测》2019.08.01
- 《表1 误差分析与评估：基于相似日和小波神经网络的光伏短期功率预测》2019.03.25
- 《表2 算法性能比较：基于小波神经网络的数据中心KPI预测》2019.06.06
- 《表3 模型误差分析：基于拟合剔除的优化小波神经网络太阳辐射量预测》2019.06.10
- 《表2 模型对比：基于拟合剔除的优化小波神经网络太阳辐射量预测》2019.06.10
- 《表1 评价标准：基于改进粒子群算法优化小波神经网络的短时交通流预测》2019.01.15
- 《表1 误差结果分析：基于小波包分解-模糊神经网络的混凝土路面路基沉降预测》2018.06.20
- 《表1 样本属性结构：基于小波神经网络的定制公交目标乘客出行意愿预测》2018.08.01