基于时间序列的经典模型和LSTM模型的城市宏观行程速度预测研究

声明

致谢

摘要

英文摘要

目录

1．1研究背景与意义

1．2国内外研究现状

1．2．1 国内外时间序列预测方法研究现状

1．2．2文献总结

1．3研究内容与技术路线

1．4本章小结

2．1 数据介绍

2．2时间序列STL分解

2．2．1时间序列模式介绍

2．2．2时间序列STL分解

2．3 城市宏观行程速度影响因素变量分析

2．3．1 限行政策

2．3．2周末与节假日

2．3．3出行环境

2．3．4其他因素

2．4影响因素描述性统计分析

2．5影响因素相关性分析

2．6本章小结

3时间序列经典预测模型介绍

3．1指数平滑法

3．2 ARIMA模型

3．2．1平稳性和差分

3．2．2自回归模型

3．2．3移动平均模型

3．2．4季节性ARIMA模型

3．3动态回归模型

3．4本章小结

4宏观速度预测经典模型实证分析

4．1模型评价指标

4．2指数平滑法

4．3 ARIMA模型

4．3．1 自动运算程序建立ARIMA模型

4．3．2人工建立ARIMA模型

4．3．3模型残差特征分析与模型预测

4．3．4 ARIMA建模总结

4．4动态回归模型

4．4．1 多元线性回归

4．4．2动态回归模型

4．4．3 STL-ARIMAX模型

4．4．4几个经典预测模型的比较

4．5本章小结

5 LSTM神经网络模型及其预测研究

5．1 LSTM神经网络模型框架说明

5．2 LSTM神经网络模型实证分析

5．2．1 仅用速度自身建模

5．2．2增加输入特征维度

5．3 LSTM神经网络网络模型预测结果评价与模型比较

5．4本章小结

6．1 研究成果

6．2研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

相关知识

股票价格趋势预测应用LSTM模型的效果.doc
基于长短时记忆网络的棉花病虫害发生预测研究
基于LSTM的瓦斯浓度预测与防突预警系统设计
基于元胞自动机的玉米象害虫预测模型研究
基于大数据的山东省十字花科蔬菜虫害特征数据采集与预警模型构建.pptx
时间序列预测：轻松拿捏趋势、季节性和周期性
病虫害预测模型比较
病虫害预测模型
基于STM32 的空气质量指数预测系统毕业设计【附代码】
一种基于模型融合的农作物病虫害指标预测方法及装置

网址: 基于时间序列的经典模型和LSTM模型的城市宏观行程速度预测研究 https://www.huajiangbk.com/newsview426525.html