專題—貴州交通流預測的完成

1）熟悉題目
2）解決思路的梳理
將時間因子加入：將時間因子劃分成幾個段，比如4個：早上、中午、晚上、其他時間段；
將每一段公路的影響因素考慮作為樣本輸入向量：上游連線數、下游連線數、時間段、
輸出：平均停留時間
每一段公路每一天都有時間段個數的樣本向量（4個時間段對應4個輸入向量），

目的：預測未來某一天某個時間段的某條公路的平均停留時間；
參看了其他方式：
LSTM：短時序列預測，這是RNN的改進版本，通過學習RNN的基礎理論，可以看到RNN可以將當前預測與前n個的值相關，但是有時不需要，（有時是當前的詞還與後面的詞相關，因此，需要弄個雙向…），繼續補充LSTM的學習；

本週學習了一些基礎知識：
關於牛頓萬有引力，以及全球地圖的繪製的技術；
學習了無窮序列的出現，以及解決無窮序列運算提出的數學歸納法的概念（適用的基本原因是：數學歸納法就像是一個多米諾骨牌，當0成立是基礎，當k成立的時候k+1也成立，一直推廣下去，就表明任何數學歸納法的結論，一直到任意n都成立；有一些謬論：是因為他們在k的時候都不成立，所以不能用數學歸納法推；）
明白了關於微分的概念：微分就相當於確定了當前x的變化趨勢，
積分：相當於是微分的變形，將微分表示式分母移向左邊，表明X+deltaX的取值————可是這不是微分的作用嗎？就是表明未來X的趨勢，及X+deltaX的取值；

當一個簡單的y=aX，說X是關於某一變數x的微分，這一點很好理解：就是X就相當於是x的變化趨勢中的斜率項；當說X是關於某一變數的積分，理解：就說X是x關於變化趨勢中的累積面積，意思是X是逐漸增加的？？（不一定，因為變化趨勢為座標軸下方的時候，面積會為負數，因此，面積也有可能變小；）