TY -的A2 Craciunescu泰迪AU -阿廷,Javad AU - Valizadeh阿明AU -艾哈迈迪,Mohsen AU -库马尔,Sathish a . p . AU -·沙里夫,阿巴斯PY - 2021 DA - 2021/08/31 TI -表示的新方法预测交通与气候条件的基于集成学习的神经结构搜索(NAS)和线性回归SP - 8500572六世- 2021 AB -交通预测扩大智能城市和国家是至关重要的,因为它提高了城市规划和交通管理。这一预测是非常富有挑战性的多因子的和随机交通的性质。本研究提出了基于集成学习方法来预测城市交通拥堵根据天气条件。我们使用NAS算法,在输出基于启发式方法创建了一个优化模型对输入数据。我们有400年的数据,其中包括当天的天气的特点,包括六个特点:绝对湿度,露点,能见度、风速、云的高度,温度,最后一列是城市交通拥堵的目标。我们分析了线性回归的结果在项目;这种方法比其他的更有效的回归模型。这种方法有一个0.00002的MSE误差标准和SVR,随机森林,和延时方法,误差值为0.01033,0.00003,和0.0011,分别。根据美标准,这种方法的值为0.0039。其他方法得到的值为0.0850,0.0045,和0.027,分别,这表明,我们建议的模型比其他方法有一个小错误,已经能够超越其他模型。 SN - 1076-2787 UR - https://doi.org/10.1155/2021/8500572 DO - 10.1155/2021/8500572 JF - Complexity PB - Hindawi KW - ER -