科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高共享自行车系统短时需求预测的准确性,提出基于Xgboost的共享自行车短时需求预测预测方法.Xgboost是近年来一种基于分类和回归树的热门算法,具有快速的数据处理能力,准确性高的优点.以某市2015年1—8月的公共自行车数据,类比经过聚类后的共享自行车需求,并考虑了天气因素,节假日因素,还有站点之间的相关性,构建特征向量,利用Xgboost算法对共享自行车短时需求进行预测并将结果与基于BP神经网络模型、ARMA模型和KNN算法的预测结果进行比较.结果表明,Xgboost算法模型精度更高,运算效率也更高.
- 单位
