文献

J-GLOBAL ID：201702275208555544   整理番号：17A1393752

RBTASM都市事故マイニングと予測のための多変量時系列法【Powered by NICT】

RBTA: A Multivariate Time-Series Method for City Incidents Mining and Forecasting

著者 (3件)： Wang Jieyi ,  Wang Yongkun ,  Jin Yaohui
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CBD  ページ： 343-348  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大都市における採鉱と予測時系列事故である投与に非常に有用である。しかし,既存の時系列予測手法の多くでは,異なる都市事故の間の関係を無視する単変量モデルを使用した。本論文では,多変量時系列モデル,RBTASMは基本的傾向,季節性,不規則な成分と異なる事故の間の関係を含むパターンを見つけるために提案した。上海の都心地域からの実際のデータセット上で提案モデル,一つの世界の最大都市を評価した。平均予測根平均二乗誤差(RMSE)は0.15であり,これは既存の方法の最良のものと比較して4.9%減少した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 大都市 ,  *予測 ,  *都市 ,  都心
準シソーラス用語： 平均二乗誤差 ,  上海市 ,  季節性 ,  時系列モデル ,  時系列予測 ,  *多変量 , 【Automatic Indexing@JST】

分類 (3件)： 電離層・熱圏  (DC04050O) ,  都市交通  (TA01020W) ,  電離層伝搬  (ND05020B)

タイトルに関連する用語 (5件)： 都市 ,  事故 ,  予測 ,  多変量 ,  時系列