简介：摘要：时间序列作为时间观测值的集合，在机器学习和人工智能领域引发了广泛的关注。时间序列预测是获取未来趋势的重要课题之一，研究结果可以为各种应用提供依据，例如优化、控制以及生产计划等。因此，已经提出了许多模型来解决这个问题。但是时间序列数据往往呈现出非平稳、非线性和多维度等特点，单一的深度学习模型难以有效提取时间序列的深层特征，难以挖掘数据的内在特性和识别出数据间的潜在模式。
简介：摘要：本文针对地铁客流长序列预测问题，提出了一种基于神经网络Informer模型的解决策略，通过对宁波地铁系统的2023年下半年客流数据分析整理，构建了包含时间、节假日、天气等多因素的长序列数据集，以此为基础对Informer模型进行训练，并对2024年数据进行了预测，通过与LSTM模型预测结果以及该时段真实客流数据进行比较分析，证明本研究提出方法在地铁客流长序列预测时具有较高可行性。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
