汽车试验场在场车辆总数趋势预测

• 作者: 向华荣 曾敬
• 来源期刊: 汽车工程学报
• 学科: 交通运输
• 关键词: 汽车试验场 车辆总数 趋势预测 LSTM GRU
• 年，卷（期）: 2018,（3）
• 页码范围: 182-188
• 页数: 7页
• 分类号: U467.5+1
• 字数: 3950字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1469.2018.03.04

摘要

为了对某试验场3年的在场车辆总数数据进行分析,并希望对其未来1年的趋势进行预测,对在场车辆总数数据先采用ARIMA和Fbprophet方法进行简单分析,发现该类传统统计方法不能识别车辆总数数据中的疏远点,且在长时预测上不太适用.分别使用机器学习中基于长短期记忆网络(Long Short-term Memory,LSTM)及门控循环单元(Gated Recurrent Unit,GRU)的方法对在场车辆总数进行训练,发现损失函数(loss)均能快速收敛.利用训练好的模型进行测试,测试结果表明LSTM和真实值的差异率更低,最后分别使用两种方法进行了预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向华荣		4	2	1.0	1.0
2	曾敬		3	1	1.0	1.0