典型文献
基于双向LSTM的民航客运量预测
文献摘要：
传统的基于时间序列的民航客运量预测方法难以解决序列中非线性、非平稳性关系以及多维度问题,预测准确性较低.针对此问题,文中提出一种基于双向长短期记忆网络的客运量预测模型(PVPM_BiLSTM).该模型利用两层双向长短期记忆网络捕获客运量序列正序和逆序的时间依赖,从而有效地解决客运量序列存在的非线性、非平稳性关系.首先,对民航公司提供的民航数据进行处理,包括删除重复值、填补缺失值和构建"日"粒度的客运量时间序列数据等;然后,基于训练样本对模型进行训练;最后,基于测试集,对已训练的模型进行实验分析.结果表明,PVPM_BiLSTM在RMSE和MAE评价指标上优于门控循环单元、一维卷积神经网络和时间卷积网络等基准模型,模型预测的准确性较高,具有可行性.
文献关键词：
客运量预测;时间序列;非线性;双向长短期记忆网络;门控循环单元;一维卷积神经网络;时间卷积网络
中图分类号：
作者姓名：
甘国育;游进国;张婷
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500;云南省人工智能重点实验室,云南 昆明 650500;焦作大学 信息工程学院,河南 焦作 454000
文献出处：
引用格式：
[1]甘国育;游进国;张婷-.基于双向LSTM的民航客运量预测)[J].现代电子技术,2022(14):175-180
A类：
PVPM
B类：
民航客运量,客运量预测,难以解决,非平稳性,预测准确性,双向长短期记忆网络,BiLSTM,两层,获客,逆序,时间依赖,民航数据,删除,补缺,缺失值,时间序列数据,训练样本,测试集,RMSE,MAE,门控循环单元,一维卷积神经网络,时间卷积网络
AB值：
0.181671
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。
