期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进LSTNet模型的地铁车站客运量预测算法研究
1
作者 许玲 管剑波 +1 位作者 许锡伟 班勇 《城市轨道交通研究》 北大核心 2025年第7期163-169,共7页
[目的]为了有效应对地铁线路高峰时段进出站客运量压力,需构建精准的客运量预测模型,以掌握地铁车站进出站量的时空分布规律,提升地铁线路运营调度决策的科学性。[方法]选取了杭州地铁的客流数据,介绍了数据的类型,以及数据预处理、数... [目的]为了有效应对地铁线路高峰时段进出站客运量压力,需构建精准的客运量预测模型,以掌握地铁车站进出站量的时空分布规律,提升地铁线路运营调度决策的科学性。[方法]选取了杭州地铁的客流数据,介绍了数据的类型,以及数据预处理、数据分析的要求。在LSTNet模型基础上引入了Bi-LSTM模型及注意力机制,建立了改进LSTNet预测模型,进而提出了一种融合多尺度时序特征的地铁客流预测方法。选取了杭州地铁6个车站的客流数据,分别采用LSTM模型、LSTNet模型、改进LSTNet模型进行预测。基于预测结果,对改进LSTNet模型的性能进行评估。[结果及结论]与采用LSTM模型、LSTNet模型相比,采用改进LSTNet模型后,地铁车站总客运量预测的平均绝对百分比误差分别降低了5.3%、2.4%。改进LSTNet模型可以显著提升地铁客流预测的精度与稳定性。 展开更多
关键词 地铁 车站 客运量预测 改进lstnet模型 双向长短时记忆神经网络 注意力机制
在线阅读 下载PDF
基于注意力机制和Mogrifier LSTNet的道路交通占有率预测
2
作者 秦喜文 潘星宇 +2 位作者 张斯琪 石红玉 董小刚 《长春工业大学学报》 CAS 2024年第3期199-207,共9页
提出一种改进的LSTNet深度学习框架用于交通占有率数据预测。采用不同大小的卷积核来捕捉时间序列数据中不同时间范围内的模式和趋势,并融合CBAM注意力机制可以在通道维度和空间维度上自适应地调整特征的权重。通过引入Mogrifier机制多... 提出一种改进的LSTNet深度学习框架用于交通占有率数据预测。采用不同大小的卷积核来捕捉时间序列数据中不同时间范围内的模式和趋势,并融合CBAM注意力机制可以在通道维度和空间维度上自适应地调整特征的权重。通过引入Mogrifier机制多次迭代交替更新LSTM的输入门和遗忘门的权重,以更好地捕捉序列数据中的长期依赖关系。而AR模型充分考虑了数据集的自相关性帮助模型更好地理解历史信息。实验结果表明,提出的模型相对绝对值误差为0.3497,明显优于其他模型,能够有效提高交通占有率的准确预测。 展开更多
关键词 lstnet模型 卷积神经网络 CBAM注意力机制 Mogrifier LSTM 交通占有率预测
在线阅读 下载PDF
基于网络搜索数据和深度神经网络的社会消费品零售总额预测研究
3
作者 程开明 刘书成 +1 位作者 雷洛 陈晓颖 《运筹与管理》 CSSCI CSCD 北大核心 2024年第12期203-209,I0091-I0096,共13页
为弥补传统预测变量及预测技术的不足,本文基于深度学习长期和短期时间序列网络(LSTNet),结合网络搜索数据与政府统计指标,构建LSTNet&BI模型开展浙江省及地级市社会消费品零售总额的预测研究。研究发现:(1)引入网络搜索数据能够有... 为弥补传统预测变量及预测技术的不足,本文基于深度学习长期和短期时间序列网络(LSTNet),结合网络搜索数据与政府统计指标,构建LSTNet&BI模型开展浙江省及地级市社会消费品零售总额的预测研究。研究发现:(1)引入网络搜索数据能够有效提高LSTNet模型的预测性能与预测精度;(2)LSTNet&BI模型具有较好的泛化能力,对浙江省社会消费品零售总额的短期和长期预测效果较稳定,其预测性能与预测精度均优于其他基准模型;(3)LSTNet&BI模型具备较强的稳健性,对杭州市、绍兴市和衢州市社会消费品零售总额的预测效果也较好。 展开更多
关键词 社会消费品零售总额 网络搜索数据 深度神经网络 lstnet&BI模型
在线阅读 下载PDF
融合TAM-LSTNet-CEEMDAN-RF误差修正模型的工艺质量预测算法
4
作者 侯步超 阴艳超 +3 位作者 张曦 汪霖宇 陈忠 洪志敏 《机械科学与技术》 2026年第1期94-103,共10页
针对传统流程生产工艺质量预测模型训练过程中存在误差积累的问题,提出一种融合注意力机制-长短时间序列网络-自适应噪声集成经验模态分解-随机森林(TAM-LSTNet-CEEMDAN-RF)误差修正的组合预测模型。首先通过引入互信息和堆叠稀疏自编码... 针对传统流程生产工艺质量预测模型训练过程中存在误差积累的问题,提出一种融合注意力机制-长短时间序列网络-自适应噪声集成经验模态分解-随机森林(TAM-LSTNet-CEEMDAN-RF)误差修正的组合预测模型。首先通过引入互信息和堆叠稀疏自编码器,从工艺数据中筛选出有效的特征,构建有效维度;然后利用TAM-LSTNet模型挖掘有效维度与工艺时间序列数据之间的复杂关联关系,得出第一值并与测试值相减,计算出误差序列,通过CEEMDAN-RF模型对误差序列进行校正,得出第二值;最后将两值相加处理,得到质量指标预测值。结合某流程生产线的数据进行分析验证,结果表明:组合模型的拟合度较TAM-LSTM模型和TAM-LSTNet-RF模型分别提高了0.036、0.029,验证了所提方法的有效性和适用性;所提误差修正模型可实现流程生产质量的准确预测。 展开更多
关键词 TAM-lstnet-CEEMDAN-RF 误差修正模型 工艺质量预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部