《表1 不同模型预测性能》

  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KNN-LSTM的短时交通流预测》

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

为了评价KNN-LSTM模型的预测性能，本文分别计算了预测结果的MSE及ACC，并与ARIMA、SVR、DBN-SVR及LSTM模型的预测结果进行对比，结果如表1所示.可以看出，提出的KNN-LSTM模型具有最佳的预测性能，其预测准确率达到了94.59%，比ARIMA、SVR及DBN-SVR模型的预测准确率分别提高了33.50%、6.42%和4.99%.同样与未考虑空间相关性的LSTM模型相比，其预测精度也提高了4.20%.表明本文所提出的基于时空相关的KNN-LSTM模型具有良好的预测性能，是一种有效的短时交通流预测模型.