基于粒子群和LSTM模型的变区间短时停车需求预测方法.pdf
<h3>一、基本信息</h3><p>文档名称：基于粒子群和LSTM模型的变区间短时停车需求预测方法</p>
<p>文档格式：pdf格式</p>
<p>文档大小：1.8MB</p>
<p>总页数：28页</p>
</br>
<h3>二、简介</h3>
<p>《基于粒子群和LSTM模型的变区间短时停车需求预测方法》是一种结合优化算法与深度学习的创新性研究。该方法利用粒子群优化算法对LSTM模型的参数进行优化，提升模型的预测精度。针对停车需求具有时间序列特性和动态变化的特点，该方法通过变区间处理，增强了模型对不同时间段数据的适应能力。实验结果表明，该方法在短时停车需求预测任务中表现出较高的准确性和稳定性，为智慧交通系统提供了有效的技术支持。</p>
</br>
<h3>三、预览</h3>
<img src="https://d.z3060.com/docthumbnail/202509/03/w2p1itgxaqa.webp" title="基于粒子群和LSTM模型的变区间短时停车需求预测方法" alt="基于粒子群和LSTM模型的变区间短时停车需求预测方法">
页:
[1]