《表4 ARIMA(3,1,2)、LSTM订座数预测结果表》
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
《一种基于ARIMA和LSTM的民航旅客订座组合预测模型》
将ARIMA（3，1，2）、LSTM模型应用于训练集合上，选取训练集最后7天为待预测订座数日期，绘制预测结果对比表4。
| 图表编号 | XD00189941900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 赵烜 |
| 绘制单位 | 山东大学数学学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 不同隐藏层层数LSTM的预测误差》2020.10.10
- 《表1 LSTM隐藏层层数与预测误差》2020.10.10
- 《表4 LSTM、CM-LSTM、CM-Bi LSTM模型预测结果》2021.02.15
- 《表4 基于ARIMA模型的2020年1-5月血液制剂使用量预测结果》2020.12.30
- 《表4 钢铁价格预测结果：基于ARIMA模型的钢铁价格预测》2021.02.05
- 《表3 阶数选择：基于ARIMA模型的钢铁价格预测》2021.02.05
- 《表2 不同LSTM训练层数负荷预测结果》2020.11.30
- 《表4 ARIMA模型预测结果》2020.12.05
- 《表2 阶数选择原则：基于ARIMA模型的变压器油中溶解气体含量时间序列预测方法》2020.03.10
- 《表4 ARIMA模型预测2019年10月至2021年9月学生活动性肺结核发病数》2020.06.25
- 《表4 ARIMA模型针对2009-2018年的预测结果》2020.08.25
- 《表1 结果参数：预测经济和金融时间序列：ARIMA与LSTM模型的比较》2020.02.15
- 《表1 数据集信息：LSTM和Prophet模型在肺结核发病数预测中的应用》2020.02.15
- 《表4 ARIMA模型预测结果》2020.02.26
- 《表4 ARIMA模型与ARIMA-ANN模型预测结果对比》2020.01.01
- 《表2 基于LSTM神经网络与ARIMA算法的风力发电功率数据预测结果对比》2019.10.31
- 《表1 基于LSTM神经网络与ARIMA算法的春季数据预测结果对比》2019.10.31
- 《表3 ARIMA (7, 2, 6) 模型预测结果》2019.01.25
- 《表3 ARIMA模型预测结果》2018.09.10
- 《表4 2018～2022年世界小麦平均单产ARIMA(1,2,1）预测模型的回归结果》2019.08.01