高级交通杂志
研究文章

LSTM混合集合学习方法

表5

LSTM-EL混合预测性能和CBCFI预测基准模型
方法论 MAPE(%) RMSE系统 基地 Dsta
CBCFI每日预报
培训周期:2012/1/4#2017/4/10
测试周期:2019/1/720/10/13
LSTM 9.15 0.2419 1532 0.5703
GBRT 7.84 0.2342 0.8915 0.5145
LSTM-GBRT 6.00 0.1369 0.9132 0.8893
RF系统 8.62 0.2034 0.8370 0.5042
LSTM-RF 6.50 0.1531 0.9560 0.8539
CBCFI周报预测
培训周期:2012/1/9%2017/3/24
测试周期:2019/1/212020/9/28
LSTM 9.47 0.1931 1.6532 0.4303
GBRT 8.99 0.1815 0.6173 0.5324
LSTM-GBRT 4.08 0.1232 0.9835 0.8034
RF系统 7.32 0.1673 0.5525 0.4853
LSTM-RF 4.43 0.1476 0.8941 0.8113
CBCFI月预报
培训阶段:2012/1/4+2017/3/4
测试周期:2019/4/12016/10/13
LSTM 11.53 0.2571 1.0126 0.5863
GBRT 10.89 0.2212 0.7940 0.5932
LSTM-GBRT 5.04 0.1099 0.9203 0.9024
RF系统 11.01 0.2236 0.7864 0.6072
LSTM-RF 4.25 0.0943 0.8825 0.9043