建立了北方苍鹰算法优化长短期记忆神经网络(northern goshawk optimization-long short term memory,NGO-LSTM)的预测模型。以深圳市共享单车为例,首先对共享单车数据进行预处理,以Geohash算法为基础将骑行的时变数据作为特征输入;然...建立了北方苍鹰算法优化长短期记忆神经网络(northern goshawk optimization-long short term memory,NGO-LSTM)的预测模型。以深圳市共享单车为例,首先对共享单车数据进行预处理,以Geohash算法为基础将骑行的时变数据作为特征输入;然后采用Canopy算法结合K-means聚类算法将深圳市地铁站进行聚类分析,以此发掘不同类型站点骑行规律;最后在此基础上建立了NGO-LSTM预测模型对站点的需求量进行预测分析,并与其他模型进行对比。实验结果表明,NGO-LSTM模型的决定系数达到0.90。展开更多
文摘建立了北方苍鹰算法优化长短期记忆神经网络(northern goshawk optimization-long short term memory,NGO-LSTM)的预测模型。以深圳市共享单车为例,首先对共享单车数据进行预处理,以Geohash算法为基础将骑行的时变数据作为特征输入;然后采用Canopy算法结合K-means聚类算法将深圳市地铁站进行聚类分析,以此发掘不同类型站点骑行规律;最后在此基础上建立了NGO-LSTM预测模型对站点的需求量进行预测分析,并与其他模型进行对比。实验结果表明,NGO-LSTM模型的决定系数达到0.90。
