我正在为特定的路口进行交通预测项目。作为数据收集过程的一部分，我收集了通过该交叉点的特定日子（从早上8点到早上12点，每个时间间隔为15分钟）的车辆数量。 以下是合并后的时间序列。
车辆计数
2619（上午8:00至8:15） 2925（上午8:15至8:30） 3090（上午8:30至8:45） 3075（上午8:45至9:00）2786（上午9:00至9:15）
3403（上午9:15至9:30） 3460（上午9:30至9:45）3122（上午9:45至上午10:00）
2977（上午10:00至10:15）3000（上午10:15至上午10:30）
3081（上午10:30至10:45）
2842（上午10:45至11:00）2691（上午11:00至11:15）
2816（上午11:15至11:30） 2878（上午11:30至上午11:45） 2965（上午11:45至凌晨12:00）我基本上尝试使用MATLAB中内置的神经网络工具箱开发一个简单的短期预测模型，该工具箱应该能够预测时间序列中的下一个值。例如，如果我提供上述时间序列的前15个值作为输入，模型应该按时间序列预测第16个值。
我有以下疑问：
1。）由于我在我的问题中使用单个阵列即车辆计数，如果我使用“非线性输入输出”选项，是否可以NN ToolBox而不是 NAR / NARX ？
2.）假设我希望提供前15个值作为输入集，可以使用哪个最佳比率将数据集划分为给定问题的训练集，验证集和测试集？
3.。）如何在MATLAB中实际查看NN Toolbox中预测的第16个值？
我是这个领域的初学者。非常感谢帮助。
答案 0 :(得分：0)
如果您正在预测一个系列，只有该系列过去的值作为输入，那么使用非线性输入输出，系列作为输入和目标等同于使用NAR网络。
NAR网络确实让您能够关闭循环，并执行超过已知数据的多个预测。但除此之外，两个网络的运作方式相同。