《表3 模型对比结果：基于混合深度学习的地铁站进出客流量短时预测》
提示：宽带有限、当前游客访问压缩模式
如表3所示，残差单元数量确定为4后，对比Res Net-LSTM与Res Net-CNN1D模型的预测误差可以发现，两模型的预测精度不相上下；但时间消耗方面，Res Net-CNN1D的训练时间减少了35%.所以，相比于LSTM，CNN1D更适合挖掘地铁客流量的时间特征.
| 图表编号 | XD00227948900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 赵建立、石敬诗、孙秋霞、任玲、刘彩红 |
| 绘制单位 | 山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院、山东科技大学数学与系统科学学院、青岛地铁集团有限公司、青岛地铁集团有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
