- @CSDNXUXIAOYAO
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
基于深度学习的短时交通流预测与优化摘要第一章 背景介绍第二章 数据预处理与短时交通流量特性分析2.1 数据来源2.3 短时交通流特性分析2.3.1 基于K-means的差异性分析2.3.2 基于变化率趋势的时间邻近性分析2.3.3 基于相关系数的空间关联性分析2.3.4 基于天气因素的随机性分析2.4 短时交通流量预测结果评估指标第三章 基于时空关联的短时交通流预测3.1 基于时空关联LSTM的交
import psycopg2#python用来操作postgreSQL数据库的第三方库import pandas as pd# 连接到一个给定的数据库conn = psycopg2.connect(database="***(需要连接的数据库名称)",user="postgres", password='***数据库密码', host="localhost", port='5432')#获取数据
基于深度学习的短时交通流预测与优化摘要第一章 背景介绍第二章 数据预处理与短时交通流量特性分析2.1 数据来源2.3 短时交通流特性分析2.3.1 基于K-means的差异性分析2.3.2 基于变化率趋势的时间邻近性分析2.3.3 基于相关系数的空间关联性分析2.3.4 基于天气因素的随机性分析2.4 短时交通流量预测结果评估指标第三章 基于时空关联的短时交通流预测3.1 基于时空关联LSTM的交
基于深度学习的短时交通流预测与优化摘要第一章 背景介绍第二章 数据预处理与短时交通流量特性分析2.1 数据来源2.3 短时交通流特性分析2.3.1 基于K-means的差异性分析2.3.2 基于变化率趋势的时间邻近性分析2.3.3 基于相关系数的空间关联性分析2.3.4 基于天气因素的随机性分析2.4 短时交通流量预测结果评估指标第三章 基于时空关联的短时交通流预测3.1 基于时空关联LSTM的交