ポアソン分布を使用して、道路交通の到着間隔を予測したいと考えています。現時点では、ポアソン プロセスを使用して (合成) 到着時間を生成し、到着間時間が指数分布になるようにしています。
過去のデータを観察して、次/未来の到着間隔を予測したい。そのために、学習アルゴリズムを実装したいと考えています。
ベイジアン予測子 (最大事後確率) や多層ニューラル ネットワークなど、さまざまなアプローチを使用してきました。これらの方法の両方で、入力フィーチャ (到着間隔) の特定の長さnの移動ウィンドウを使用します。
ベイジアン予測器では、到着間隔をバイナリ機能 (1-> 長い、0-> 短い) として使用して、次の到着間隔が長いか短いかを予測しますが、 nニューロン入力層のニューラル ネットワークとm -ニューロン隠れ層 (n=13、m=20)、n 個の前の到着間隔時間を入力し、将来の推定到着時間を生成します (重みはしきい値であり、バックプロパゲーション アルゴリズムによって更新されます)。
ベイジアン アプローチの問題点は、到着間隔が短い回数が長い間隔よりも多い場合にバイアスがかかることです。そのため、長いアイドル期間を予測することはありません(短いの事後は常に大きいままです。一方、多層ニューラル予測では、予測精度は十分ではありません。特に到着間隔が長い場合、予測精度は大幅に低下します。
私の質問は、「確率過程 (ポアソン) を正確に予測できないのか、それとも私のアプローチが正しくないのか?」ということです。. どんな助けでも大歓迎です。