《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》
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) |