English
资源说明：随着人民生活水平的提高，汽车数量不断增长，汽车的增长数量对交通基础设施建有着重要的意义，车辆上牌数量也成为衡量汽车数量的一项重要指标。近年随着深度学习算法在交通预测方面得到了较广泛的应用。针对城市车牌量准确预测的目的，本文采用了基于门控递归单元（GRU）神经网络模型，对城市车辆上牌数量进行更为准确的预测。同时，为了验证GRU模型的预测性能，ARIMA和支持向量回归模型参与对车辆上牌数量的预测。实验结果表明，相比ARIMA和SVR，GRU模型在车牌数量预测方面更加准确。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
