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
【文章页数】:104 页
【学位级别】:硕士
【部分图文】:
图2-2?882个数据的时间图中车速大幅增加的时间点??Figure?2-2?Time?points?of?increased?speed?in?time?plot?of?882?data??
?2017-1-27??曰期??图2-1?882个数据的时间图??Figure?2-1?Time?plot?of?882?data??总体来看,这张时间曲线显示出了一些有趣的特征,在以下六个时间段全市??机动车平均运行速度大幅增加:??(1)?2014年11月,北京召开APEC会....
图2一城市宏观行程速度数据小提琴图
间序列STL分解??时间序列模式介绍??间序列可以表现出很多种模式,将一个时间序列分成几个部分对我们分列的特征是很有用的。时间序列可以分解为趋势(Trend)、季节性(Seasonal)、??ycle)这三种模式。??趋势??据中显示出了长期的增长或减少时,这就是一种趋势特征,它....
图24数据STL分解结果
?数据特征及影响因素变量分析???(3)?经典分解方法假设季节性成分在每年都是重复的,对于一些较长的序列,??其季节性成分会随着时间的变化而变化,所以该假设并不普适。??(4)?时间序列中有一小部分周期的值可能由于外界的影响而出现异常,对于这??些异常值,经典方法无法很好地捕捉信....
图2-4中的第三排是时间序列的季节性组分,可以看出该时间序列具有很明显??的季节性,且季节性是以周为单位体现出来的
?2017-1-18??日期??图2-5?2016年7月20号北京强降雨天气导致的趋势下滑??Figure?2-5?The?downward?trend?caused?by?the?large?number?of?shared?bicycles??图2-4中的第三排是时间序列的季....
本文编号:3911064
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3911064.html