共计 1618 个字符，预计需要花费 5 分钟才能阅读完成。
报告链接：http://tecdat.cn/?p=32161
原文出处：拓端数据部落公众号
本文通过建设空载率的数学模型，帮忙客户来剖析出租车的空载率，从而对出租车补贴政策是否进步高峰期的实载率，缓解打车难问题进行了阐明。
剖析思路
1. 利用这么多天的数据，依照算法先算出每天的日平往年空载率，绘制成曲线
2 利用一次平滑预测模型算出这么多天的预测日均匀空载率，其中的平滑常数别离带入我假如的那三种数值，求出预测和理论均方差，最初取均方差最小的那个对应的平滑常数为咱们所要的。
3. 利用二次平滑指数预测模型，预测 4 月 25 日至 5 月 31 日的日均匀空载率，绘制成曲线（初始值取 4 月 23 日的理论日均匀空载率，平滑常数为 2 中所要的那个）
抉择南京市的三个地点：鼓楼公园，四牌楼，玄武湖公园，因为间隔远近，交通状况都差不多，以 4 月 1 日到 4 月 30 日每天测量这三个地点的打车需求量，出租车总数。
数据
数据以滴滴平台取得：
分析方法
以鼓楼公园为例：
则 4 月 1 日的空载率为：
注：不思考拼车情况，假如一辆出租车只能接一单。
以此类推，4 月 2 日，4 月 3 日，4 月 4 日…4 月 30 日空载率别离为：
利用一次平滑指数公式：
如：4 月 1 日的预测空载率为 k, 则 4 月 2 日的预测空载率为
咱们采纳二次平滑指数预测的算法来预测短期之内，不受节令因素影响的空载率。
二次平滑指数预测模型：公式：
求空载率
kongzailv=function(datat){sum(as.numeric(datat[,2]))/sum(as.numeric(datat[,1]))
}地区：鼓楼公园
for(i in 1:27){datat=data[((i-1)*4+1):(i*4),3:4]
kongzailvdata[i]=kongzailv(datat)设置 alpha 参数为 0.3
alpha <- 0.3
参看模型参数
计算均方差值
RMSE1=mean((model$fitted-model$x)^2)设置 alpha 参数为 0.5
alpha <- 0.5
设置 alpha 参数为 0.7
找出最小的 RMSE 值
min(RMSE1,RMSE2,RMSE3)
[1] 0.2712489因而 采纳 alpha 为 0.5，而后应用二次平滑指数预测的算法来预测短期之内，不受节令因素影响的空载率。
参看模型参数
预测数值
预测图像
地区：四牌楼
which.min(c(RMSE1,RMSE2,RMSE3))
## [1] 3
### 从后果看出当 alpaha 为 0.7 的时候 渠道最小的 RMSE 值 因而 采纳 alpha 为 0.7，而后应用二次平滑指数预测的算法来预测短期之内，不受节令因素影响的空载率。
参看模型参数
地区：玄武湖公园
############################# 找出最小的 RMSE 值
min(RMSE1,RMSE2,RMSE3)
## [1] 0.01964692
which.min(c(RMSE1,RMSE2,RMSE3))
## [1] 1
### 从后果看出当 alpaha 为 0.3 的时候 渠道最小的 RMSE 值 参看模型参数
最受欢迎的见解
1. 在 python 中应用 lstm 和 pytorch 进行工夫序列预测
2.python 中利用长短期记忆模型 lstm 进行工夫序列预测剖析
3.Python 用 RNN 循环神经网络：LSTM 长期记忆、GRU 门循环单元、回归和 ARIMA 对 COVID-19 新冠疫情新增人数工夫序列
4.Python TensorFlow 循环神经网络 RNN-LSTM 神经网络预测股票市场价格工夫序列和 MSE 评估准确性
5.r 语言 copulas 和金融工夫序列案例
6.R 语言用 RNN 循环神经网络、LSTM 长短期记忆网络实现工夫序列长期利率预测
7.Matlab 创立向量自回归（VAR）模型剖析消费者价格指数 (CPI) 和失业率工夫序列
8.r 语言 k -shape 工夫序列聚类办法对股票价格工夫序列聚类
9. R 语言联合新冠疫情 COVID-19 股票价格预测：ARIMA，KNN 和神经网络工夫序列剖析
