基于DAE方法城市对外客运需求预测

• 作者: 刘俊涛 孙志超 章锡俏
• 来源期刊: 低温建筑技术
• 学科: 工学
• 关键词: 城市对外交通 需求预测 DAE 深度学习 神经网络
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 科学管理
• 页码范围: 152-154
• 页数: 3页
• 分类号: TU984.191
• 字数: 2489字
• 语种: 中文
• DOI: 10.13905/j.cnki.dwjz.2015.06.057

摘要

对外客运需求预测研究中相关影响因素之间存在相关性关系,常使用神经网络等方法进行回归.但神经网络训练过程中常出现局部极值、梯度弥散以及少样本量下过拟合等问题,进而导致网络回归预测精度低.引入深度学习理论中噪声自编码(Denoising AutoEncoder,DAE)方法,通过数据的逐层自编码、解码过程获得良好的网络初始化参数,解决了局部极值与梯度弥散问题.人工主动随机噪声使得训练的网络鲁棒性、泛化能力更强,不易过拟合.并以北京市为实例验证,模型精度良好,方法可用于城市中远期对外客运需求预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章锡俏	哈尔滨工业大学交通科学与工程学院	21	158	8.0	12.0
2	孙志超	哈尔滨工业大学交通科学与工程学院	3	9	1.0	3.0
3	刘俊涛	哈尔滨工业大学交通科学与工程学院	1	1	1.0	1.0