基于半监督Conv-Transformer深度学习模型的新线客流预测方法

AITNT
正文
推荐专利
基于半监督Conv-Transformer深度学习模型的新线客流预测方法
申请号:CN202510134447
申请日期:2025-02-06
公开号:CN120197741A
公开日期:2025-06-24
类型:发明专利
摘要
本发明公开了一种基于半监督Conv‑Transformer深度学习模型的新线客流预测方法。该方法包括:针对目标线路,获取POI数据;将所述POI数据输入到经训练的卷积Transformer模型,获得趋势流和规模流,其中,所述规模量反映车站客流量的规模特征,所述趋势流反映车站客流量的趋势特征,训练所述卷积Transformer模型采用半监督学习方式;组合所述趋势流和所述规模流,获得客流预测结果。本发明提高了预测新线客流的准确性且降低了对于训练数据的需求量。
技术关键词
车站客流量 客流预测方法 半监督学习方式 注意力 深度学习模型 规模 训练集 数据 处理器 计算机设备 矩阵 超参数 可读存储介质 存储器 标签 样本 线路 元素
系统为您推荐了相关专利信息
1
一种基于图结构联合优化的工业设备故障诊断方法及系统
随机块模型 期望最大化算法 工业设备故障诊断 节点特征 可读存储介质
2
基于改进RT-DETR模型的遥感小目标检测方法、装置及设备
遥感图像数据 检测网络模型 视觉特征 特征金字塔 特征提取能力
3
一种基于KAN网络的刀具磨损辨识方法
刀具磨损状态 磨损特征 辨识方法 Softmax分类器 非线性映射关系
4
一种电力系统多电力灾害预测方法、系统及介质
灾害预测方法 电力系统 因子 多时间尺度 多头注意力机制
5
医学数据处理方法、系统、设备及介质
医学数据处理方法 医疗知识图谱 图像数据处理 训练深度学习模型 词向量模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号