基于长短期记忆神经网络的渡轮客流量预测
机器学习
2024-05-10 v3
摘要
随着近期神经网络被用于不同预测和时间序列研究，本研究旨在将这些应用背景扩展至渡轮客运。本研究的主要目标是探究和评估基于 LSTM 的神经网络在预测菲律宾两个港口渡轮乘客量方面的能力。所提出模型对两个港口客流量预测的拟合与评估，基于从菲律宾港务局 (PPA) 获取的 2016 年至 2022 年的月度客运数据。本工作使用平均绝对百分比误差 (MAPE) 作为评估模型预测能力的主要指标。所提出的基于 LSTM 的神经网络模型对八打雁港渡轮乘客数据实现了 72% 的预测准确率，对民都洛港渡轮乘客数据实现了 74% 的预测准确率。通过使用 Keras 和 Scikit-learn Python 库，本工作得出结论，所提出的 LSTM 模型具有合理的预测性能。除了这些值得注意的发现外，本研究还建议进一步调查和研究采用其他统计、机器学习和深度学习方法进行渡轮客流量预测。
引用
@article{arxiv.2405.02098,
title = {Forecasting Ferry Passenger Flow Using Long-Short Term Memory Neural Networks},
author = {Daniel Fesalbon},
journal= {arXiv preprint arXiv:2405.02098},
year = {2024}
}