【摘要】：自行車一直是城市交通中的一種重要工具,隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的蓬勃發(fā)展,共享單車在城市交通出行中開始盛行,它在方便人們出行的同時(shí)也促進(jìn)了共享經(jīng)濟(jì)的發(fā)展。但是不合理的投放對(duì)單車資源、廠家的經(jīng)濟(jì)利益以及城市市容都會(huì)造成很大的影響。本文通過對(duì)共享單車使用量的數(shù)據(jù)進(jìn)行分析,設(shè)計(jì)了共享單車需求量的組合預(yù)測(cè)模型,通過預(yù)測(cè)單車的需求量指導(dǎo)單車的合理投放。主要的工作包括:對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理并進(jìn)行可視化分析,初步獲得影響單車使用量的影響因素。在此基礎(chǔ)上,通過向后移除法篩選特征,并結(jié)合可視化分析結(jié)論確定了最終構(gòu)建模型所需要的實(shí)驗(yàn)數(shù)據(jù)。對(duì)傳統(tǒng)預(yù)測(cè)算法進(jìn)行了研究,重點(diǎn)研究了梯度提升(GBDT)算法、隨機(jī)森林算法和BP神經(jīng)網(wǎng)絡(luò)算法,并使用之前確定的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了單項(xiàng)預(yù)測(cè)模型的實(shí)踐,實(shí)驗(yàn)結(jié)果表明,同一特征在GBDT預(yù)測(cè)模型和隨機(jī)森林預(yù)測(cè)模型中其重要性是不同的,氣溫對(duì)單車需求量的影響最大,三個(gè)單項(xiàng)預(yù)測(cè)模型的R方值相近,預(yù)測(cè)準(zhǔn)確度都有很大的提升空間。在此基礎(chǔ)上,將三個(gè)單項(xiàng)預(yù)測(cè)模型進(jìn)行組合設(shè)計(jì)了兩種組合預(yù)測(cè)模型,一種是以預(yù)測(cè)誤差絕對(duì)值之和達(dá)到最小的線性組合預(yù)測(cè)模型,另一種是以BP神經(jīng)網(wǎng)絡(luò)進(jìn)行組合的非線性組合預(yù)測(cè)模型,對(duì)模型進(jìn)行試驗(yàn)發(fā)現(xiàn),兩種組合預(yù)測(cè)模型準(zhǔn)確度較單項(xiàng)預(yù)測(cè)模型都有提高,但非線性組合預(yù)測(cè)模型的預(yù)測(cè)效果更好,主要因?yàn)榫�性組合中的線性關(guān)系在某種程度上限制了組合模型的優(yōu)化程度,組合模型中單項(xiàng)預(yù)測(cè)模型之間的關(guān)系具有一定的復(fù)雜性,不只是線性關(guān)系,而BP神經(jīng)網(wǎng)絡(luò)在滿足線性關(guān)系的同時(shí)能夠挖掘到其非線性的信息,使得模型的效果更好,其R方值較線性組合預(yù)測(cè)模型提高了0.02。因此,將以BP神經(jīng)網(wǎng)絡(luò)進(jìn)行組合的非線性組合預(yù)測(cè)模型作為最終的共享單車需求量預(yù)測(cè)模型。
【圖文】：

建立外表hql語句⑴去重處理，即刪除原始數(shù)據(jù)中的重復(fù)數(shù)據(jù)

temp箱線圖
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F713.36;F571;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 晏杰;;決策樹算法的研究及其在大學(xué)生心理健康數(shù)據(jù)處理中的應(yīng)用[J];江漢大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 周晨;馮宇東;肖匡心;韓珊;董穎;;基于多元線性回歸模型的東北地區(qū)需水量分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2014年01期

3 劉曉斌;非線性組合預(yù)測(cè)人民幣匯率變動(dòng)方法研究[J];數(shù)理統(tǒng)計(jì)與管理;2002年02期

4 童其慧;主成分分析方法在指標(biāo)綜合評(píng)價(jià)中的應(yīng)用[J];北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2002年01期

相關(guān)碩士學(xué)位論文 前4條

1 周傳鈺;共享單車投放量測(cè)算和調(diào)度方法研究[D];北京交通大學(xué);2018年

2 蔣雅婷;基于多元線性回歸插值法研究中國區(qū)域積溫演變[D];華東師范大學(xué);2017年

3 張軍梅;基于最大權(quán)重最小冗余準(zhǔn)則的特征選擇方法研究[D];大連理工大學(xué);2016年

4 杜俊;半監(jiān)督學(xué)習(xí)及其在社交媒體分析中的應(yīng)用[D];華北電力大學(xué);2015年

，

本文編號(hào)：2687328