首页|基于回归模型的共享单车需求预测

基于回归模型的共享单车需求预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为了准确掌握城市共享单车投放量,论文提出了一种以随机森林为基础的预测方法.首先,通过随机森林模型筛选出符合条件的共享单车影响因素;其次,将单车变化量和影响因素分别作为神经网络参数,建立共享单车需求投放模型;最后,以公开数据集为对象,对其工作日及节假日间的单车投放量进行预测.在随机森林模型下,预测得分为84.48,选出权重最高的6个影响因素分别为温度、小时、太阳辐射、是否是工作日、湿度、降雨量.然后建立LSTM神经网络模型,以这些特征训练网络,得到预测得分为82.48,在大幅减少特征维度、降低计算量的情况下,预测结果与其实际出行特征基本吻合,较好地验证了该模型的实用性和普适性,具有一定的实际参考价值.

张山山、鲍蓉、马玉婷

展开 >

兰州石化职业技术大学数媒与印刷工程学院,兰州 730060

共享单车需求预测 随机森林 LSTM网络 Python

甘肃省高等学校大学生创新创业训练计划(2023)兰州石化职业技术大学教科研项目(2023)

S2023162090172023KY-27

2024

中小企业管理与科技
河北省中小企业服务中心

中小企业管理与科技

影响因子：0.484
ISSN：1673-1069
年,卷(期)：2024.(7)