基于深度神经网络的电单车行程时间预测研究

目录

声明

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 电单车的相关研究

1.2.2 行程时间预测的相关研究

1.3 本文研究内容

1.4 本文组织结构

2 深度神经网络的基本理论与实现方法

2.1 深度神经网络基本理论

2.1.1 深度神经网络发展历程

2.1.2 卷积神经网络CNN

2.1.3 循环神经网络RNN

2.2 深度神经网络实现方法

2.2.1 网络优化方法

2.2.2 常用软硬件工具

2.3 本章小结

3 电单车行程数据的预处理

3.1 数据介绍与分析

3.1.1 数据来源

3.1.2 数据存储结构分析

3.2 数据预处理

3.2.1 数据获取

3.2.1 数据清洗

3.2.2 数据转化

3.3 本章小结

4 基于多因素多任务的电单车行程时间预测模型设计

4.1 多因素多任务模型的分层设计

4.1.1 时空特征层

4.1.2 多因素层

4.1.3 多任务层

4.2 模型的误差评价标准

4.3 本章小结

5 预测模型的实验结果与分析

5.1 实验环境与实验数据

5.2 实验超参数的设定

5.3 端到端实验过程

5.3.1 训练阶段

5.3.2 测试阶段

5.4 预测模型实验结果

5.4.1 模型分层纵向对比

5.4.2 不同模型横向对比

5.5 本章小结

6 总结与展望

6.1 全文总结

6.2 研究展望

参考文献

致谢