-
题名基于混合卷积-递归神经网络的共享单车出入流预测
- 1
-
-
作者
贾现广
刘欢
冯超琴
吕英英
-
机构
昆明理工大学交通工程学院
昆明理工大学信息工程与自动化学院
-
出处
《科学技术与工程》
北大核心
2025年第5期2127-2134,共8页
-
基金
国家自然科学基金(71961012)。
-
文摘
准确预测共享单车流量有助于优化共享单车的供需平衡,提高城市居民的出行便利性。为解决共享单车预测准确性不高以及时空特性捕捉不充分的问题,提出了一种混合卷积-递归神经网络(hybrid convolutional-recurrent neural network)Conv3D-GRU模型,采用芝加哥2022全年共享单车数据进行实验,并与三维卷积神经网络3D-CNN(3D convolutional neural network)模型和卷积长短期记忆网络(Convolutional long short-term memory,ConvLSTM)的预测结果进行比较,使用均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数R^(2)评估模型性能。实验结果表明,Conv3D-GRU相较于3D-CNN和ConvLSTM模型,在RMSE、MAE以及R^(2)上分别提高了3.25%、4.90%、1.14%和11.94%、13.70%、2.46%,可见Conv3D-GRU模型的预测误差小,预测精度高,能够有效和可靠地适用于共享单车出入流的预测。
-
关键词
城市交通
出入流预测
conv3d-gru
共享单车
时空特性
-
Keywords
urban transportation
access flow prediction
conv3d-gru
bicycle sharing
spatio-temporal properties
-
分类号
U484
[交通运输工程—载运工具运用工程]
-
-
题名基于自注意力机制的深度学习的海洋三维温度场预测
- 2
-
-
作者
岳伟豪
徐永生
朱善良
-
机构
青岛科技大学
中国科学院海洋研究所
中国科学院大学
青岛海洋科技中心
-
出处
《海洋预报》
CSCD
北大核心
2024年第3期22-32,共11页
-
基金
崂山实验室科技创新项目(LSKJ202201406)
国家自然科学基金(41906027)
+2 种基金
国家自然科学基金联合基金项目(U22A20587)
国家自然科学基金-山东联合基金重点项目(U1406401)
中国科学院战略先导计划(XDB42000000)。
-
文摘
目前主要从时空角度出发对海洋三维温度场进行预测,却忽略了相邻位置的海温相关关系。为弥补这一不足,构建一种融合了自注意力记忆模块与卷积式长短时记忆神经网络(ConvLSTM)模型的SA-ConvLSTM三维温度场预测模型,不仅可以从历史三维温度场中提取海温时空特征,还能获取并记忆相邻点位置信息,从而实现对三维温度场时空变化的把握。实验结果表明:相较于ConvLSTM模型,SA-ConvLSTM模型在滑动预测与多步长递归预测实验下的均方根误差和平均绝对误差提升约14%,且整体预测效果均优于基线模型、长短时记忆神经网络模型和ConvLSTM模型。
-
关键词
海水温度
三维温度场预测
自注意力记忆机制
SA-convLSTM
多步长递归预测
-
Keywords
seawater temperature
3-D ocean temperature field prediction
self-attention memory
SA-conv-LSTM
multi-step recursive prediction
-
分类号
P731.31
[天文地球—海洋科学]
-
