分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》
摘要： 现有公共自行车短期需求预测模型忽视了不同环境因素影响用户需求的性质差异和可变环境因素的时间依赖性。将环境因素区分为已内化于需求的不变因素和需要单独考虑的可变因素，提出一种用图卷积神经网络(GCNN)捕获用户需求的非欧式空间依赖、用长短期记忆(LSTM)网络捕获用户需求和可变环境因素的时间依赖、通过向量拼接和全连接网络将可变环境因素的影响施加于用户需求的GCNN-LSTM-E模型。实验结果显示，GCNN-LSTM-E模型在1h时间粒度下的预测性能最优，而且优于所有基准模型的预测性能。说明该模型的设计合理有效，1h是最合适的时间粒度。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-05-15 合作期刊: 《智慧农业（中英文）》
摘要： 保障农产品物流稳定性即是保障民生问题的关键。对农产品物流需求的预测是合理规划农产品物流稳定 性的重要保证。然而，农产品物流需求的预测实际较为复杂，预测过程中会受到各种因素影响。因此，为了保证 对农产品物流需求预测的准确性，需要考虑多方面影响因素。本研究以农产品物流需求作为研究对象，利用In⁃ former神经网络构建预测农产品物流需求的神经网络模型，以华中地区河南省、湖北省和湖南省为例，对三省的 农产品物流需求进行预测。同时用长短时记忆（Long Short-Term Memory，LSTM） 网络和Transformer神经网络对 华中三省农产品物流进行需求预测，将三种模型预测结果进行对比。对比结果表明本研究构建的基于Informer神 经网络模型预测测试误差平均百分比为3.39%，低于LSTM和Transformer神经网络模型的4.43%和4.35%。并且用 该Informer神经网络模型对三省预测出的预测值与实际值结果较为接近，河南省2021年的预测值为4185.33，实际 值为4048.1，误差为3.389%；湖北省2021年的预测值为2503.64，实际值2421.78，误差为3.380%；湖南省2021 年的预测值，2933.31，实际值为2836.86，误差为3.340%。表明该模型对华中三省的农产品物流需求预测的结果 较为准确。三省2023年的预测值高于2021年的预测值。因此，在2021年物流运输配套设施的基础上，必须保证 物流运输效率，加强物流运输能力，以满足华中地区日益增长的物流需求。
点击量
通过
点击量
下载量
评论
