一种基于循环神经网络的停车场占有率预测方法

摘要

本发明提供了一种基于循环神经网络的停车场占有率预测方法，属于停车诱导泊位预测技术领域。所述方法包括步骤：数据采集；整理效应项序列h(t)；整理停车场占有率变化的时间序列x(t)；拟合得到周期项序列s(t)；利用循环神经网络，得到趋势项序列g(t)；利用循环神经网络综合预测得到停车场占有率的预测值y；本技术方案对于停车场占有率数据分两层进行处理，结合时间序列特征分解法和神经网络，不仅考虑了时间维度的非线性特征，而且考虑了其中蕴含的周期性特征，以及外在因素的影响，相比于以往的基于统计学的预测方法、传统机器学习的方法以及单独的深度学习模型，考虑的特征更全面，预测精度的稳定性和准确性更高。