典型文献
多尺度多方法组合的网约车需求预测方法研究
文献摘要：
为了解决单一时间序列模型对网约车需求预测精度不高,而导致网约车供需不平衡的问题,提出一种多尺度多方法组合的网约车需求预测方法.对网约车影响因素进行分析并提取出主要特征,利用历史平均模型、ARIMA时间序列模型、LSTM长短期记忆神经网络进行网约车需求预测,分别提取出网约车数据的周期性规律、差分变化规律和其他复杂规律,为了最大限度发挥三种单一模型的优势,使用三种单一模型建立组合模型,最后用灰狼优化算法对组合模型的权重进行寻优.通过在真实数据集上对单一模型和组合模型的预测精度进行比较,结果表明,组合模型在五种评价标准下均优于单一模型,更好地发挥出单一模型的预测优势,预测精度更高.同时在不同的适应度函数下进行实验,验证了模型的鲁棒性.采用组合预测模型预测精度更高,更适合作为网约车需求预测的有效模型.
文献关键词：
组合预测模型;网约车需求预测;灰狼算法;LSTM;ARIMA;时间序列;深度学习
中图分类号：
作者姓名：
丁夏蕾;郭秀才;程勇
作者机构：
西安科技大学 电气与控制工程学院,陕西 西安 710054
文献出处：
引用格式：
[1]丁夏蕾;郭秀才;程勇-.多尺度多方法组合的网约车需求预测方法研究)[J].现代电子技术,2022(03):96-102
A类：
网约车需求预测
B类：
多方法,时间序列模型,供需不平衡,车影,ARIMA,长短期记忆神经网络,周期性规律,组合模型,灰狼优化算法,真实数据,适应度函数,组合预测模型,灰狼算法
AB值：
0.148365
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
