多尺度多方法组合的网约车需求预测方法研究

摘要：

为了解决单一时间序列模型对网约车需求预测精度不高,而导致网约车供需不平衡的问题,提出一种多尺度多方法组合的网约车需求预测方法.对网约车影响因素进行分析并提取出主要特征,利用历史平均模型、ARIMA时间序列模型、LSTM长短期记忆神经网络进行网约车需求预测,分别提取出网约车数据的周期性规律、差分变化规律和其他复杂规律,为了最大限度发挥三种单一模型的优势,使用三种单一模型建立组合模型,最后用灰狼优化算法对组合模型的权重进行寻优.通过在真实数据集上对单一模型和组合模型的预测精度进行比较,结果表明,组合模型在五种评价标准下均优于单一模型,更好地发挥出单一模型的预测优势,预测精度更高.同时在不同的适应度函数下进行实验,验证了模型的鲁棒性.采用组合预测模型预测精度更高,更适合作为网约车需求预测的有效模型.

关键词：组合预测模型;网约车需求预测;灰狼算法;LSTM;ARIMA;时间序列;深度学习

所属期刊栏目：45

分类号：TN911.1⁃34;TP181

资助基金：国家重点研发计划2018YFB2100800

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：96-102