针对高速公路通行费数据所具有的非平稳特征,生成式预训练TEMPO网络,通过引入Prompt提示池可有效适配非平稳时序数据,本文提出了基于TEMPO网络的通行费预测模型框架,并对预测模型输入、Prompt提示池设计和预测模型输出等关键步骤进行了建模分析.通过为趋势项、季节项和残差项分配不同的提示词,构造基于公路通行费数据特征的Prompt提示池,使得预测模型对通行费数据的时间序列分布变化更加适应.实证分析表明,相比ARIMA和LSTM网络预测算法,TEMPO网络算法具有更好的预测效果,预测结果的均方误差MSE降低了0.5％和0.94％,可为高速公路运行管理和投资建设提供有力支持.
NETL
NSTL
万方数据
