用于预测行程时间的机器学习模型比较分析
机器学习
2021-11-17 v1 计算机视觉与模式识别
摘要
本文比较了五种不同深度学习模型在预测行程时间方面的表现。这些模型为自回归积分滑动平均 (ARIMA) 模型、循环神经网络 (RNN) 模型、自回归 (AR) 模型、长短期记忆 (LSTM) 模型与门控循环单元 (GRU) 模型。本研究旨在考察各所建模型在行程时间预测中的性能。本文所用数据集包含来自密苏里州的行程时间与行驶速度信息。构建各模型所用的学习率取值在 0.0001–0.01 之间变化。最佳学习率被发现为 0.001。研究得出结论：ARIMA 模型是行程时间预测与预报的最佳模型架构。
引用
@article{arxiv.2111.08226,
title = {Comparative Analysis of Machine Learning Models for Predicting Travel Time},
author = {Armstrong Aboah and Elizabeth Arthur},
journal= {arXiv preprint arXiv:2111.08226},
year = {2021}
}