基于LSTM及注意力机制的城市停车场泊位中长期预测方法研究

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

1.3 论文研究内容

1.4 论文组织结构

1.5 本章小结

2 泊位占有率预测相关理论

2.1 时间序列理论

2.1.1 时间序列的概念

2.1.2 时间序列分析的特征

2.1.3 时间序列预测方法

2.2 循环神经网络

2.2.1 RNN结构

2.2.2 RNN的前向传播与反向传播

2.3 长短期记忆神经网络理论

2.3.1 LSTM概念

2.3.2 LSTM核心思想

2.3.3 LSTM具体实现方式

2.4 卷积神经网络理论

2.4.1 卷积神经网络概念

2.4.2 卷积神经网络的学习过程

2.5 注意力机制理论

2.5.1 注意力机制概念

2.5.2 注意力机制种类

2.6 本章小结

3 LSTM中长期泊位预测模型

3.1 原始数据预处理

3.1.1 缺失值

3.1.2 去噪

3.1.3 归一化

3.2 停车位的时间序列基本特征分析

3.2.1 泊位占有率的趋势性和周期性分析

3.2.2 泊位占有率的时变性和随机性分析

3.3 特征数据的相关性

3.4 LSTM泊位预测模型测试实例分析

3.4.1 停车位时序数据预处理

3.4.2 天气数据、节假日及工作日数据预处理

3.4.3 泊位占有率的相关性分析

3.4.4 时间序列预测的评价标准

3.4.5 LSTM预测模型结果分析

3.5 本章小结

4 基于注意力机制的Seq2seq泊位预测模型

4.1 基于注意力机制的Seq2seq模型结构

4.1.1 BiLSTM

4.1.2 Se2seq模型结构

4.1.3 TPA注意力机制

4.2 基于注意力机制的Seq2seq泊位预测模型测试与分析

4.2.1 实验过程

4.2.2 实例分析

4.3 本章小结

5 总结与展望

5.1 全文总结

5.2 未来工作

致谢

参考文献

攻读硕士学位期间主要研究成果