★ 2
机器学习结合天气数据预测芬兰列车延误
论文利用芬兰综合列车天气数据集FI-TW，融合铁路运营记录与芬兰气象研究所约200个站点的传感器观测，研究列车延误预测。在奥卢中央车站逾10万条观测上比较三种特征配置，基于暴雪、大雪、极寒等分层天气类别的方案取得R² 0.78、RMSE 8.5分钟，较其他配置提升11%的R²并降低10%误差。结果…
arXiv cs.AI51 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文利用芬兰综合列车天气数据集FI-TW，融合铁路运营记录与芬兰气象研究所约200个站点的传感器观测，研究列车延误预测。在奥卢中央车站逾10万条观测上比较三种特征配置，基于暴雪、大雪、极寒等分层天气类别的方案取得R² 0.78、RMSE 8.5分钟，较其他配置提升11%的R²并降低10%误差。结果…