基于NGO-LSTM的共享单车需求预测

摘要

建立了北方苍鹰算法优化长短期记忆神经网络(northern goshawk optimization-long short term memory, NGO-LSTM)的预测模型。以深圳市共享单车为例，首先对共享单车数据进行预处理，以Geohash算法为基础将骑行的时变数据作为特征输入；然后采用Canopy算法结合K-means聚类算法将深圳市地铁站进行聚类分析，以此发掘不同类型站点骑行规律；最后在此基础上建立了NGO-LSTM预测模型对站点的需求量进行预测分析，并与其他模型进行对比。实验结果表明，NGO-LSTM模型的决定系数达到0.90。

关键词

共享单车 / 数据聚类:长短期记忆神经网络 / 北方苍鹰算法 / 需求预测