Performance du RN pour prédire le trafic

Le RN qualifié est employé pour prédire le trafic pour les des deux semaines suivantes à l'instant courant. Dans la figure 13 nous montrons les trafics réels et prédits. (Notons que nous avons choisi 1 échantillon tous les 4 pour rendre la figure suffisamment claire.) Nous montrons également sur la figure 14 les trafics réels et prédits pour le troisième et le quatrième jour de la troisième semaine prédite. Pour cette prédiction nous avons obtenu un MSE de 0,0046. Ceci montre que la précision de notre modèle est très bonne et que le RN a bien appris le processus du trafic à partir de son historique. Dans la figure 15, nous montrons la différence entre le trafic réel et celui prédit pour cette expérience ; un histogramme est aussi montré dans la figure 16. Dans ces figures, nous pouvons voir qu'environ 78% des échantillons sont prédits avec une précision entre 0 et 0,05 ; environ 8% des échantillons sont prédits avec une précision entre 0,05 et 0,15, où le réel est supérieur que la prédiction. D'autre part, environ 10% des échantillons sont prédits avec une précision entre 0,05 et 0,15 (dans ces cas, la prédiction surévalue le trafic réel, ce qui est plutôt intéressant). Dans la figure 15, nous pouvons voir que quelques échantillons sont prédits avec une précision entre 0,2 et 0,4. Ceci dû aux phénomènes connus sous le nom ``spikes''. Un échantillon spiky se produit quand la différence entre les échantillons futurs et courants est assez grande et qu'il n'y a aucune information dans les échantillons passés qui pourraient indiquer l'occurrence possible de la transition. Ce sont des phénomènes connus dans le processus du trafic [56]. Il faut noter, cependant, que les transitoires sont non prévisibles. Aucun outil de prévision ne peut les prévoir de façon aussi précises que pour les autres échantillons. Donc, nous recommandons que les spikes soient enlevés de la BD d'apprentissage, afin de ne pas dégrader la performance du RN en présentant des mauvaises informations pendant l'apprentissage. Heureusement, leur présence dans le vrai trafic n'est pas fréquente. Si les spikes n'étaient pas pris en considération pour le calcul du MSE, la performance trouverait considérablement améliorée. Par exemple, en enlevant 124 échantillons spikes des 4200 échantillons des semaines prédites (en considérant simplement qu'un échantillon est spiky s'il diffère au moins 0,3 de l'échantillon passé), le MSE est amélioré de 0,0046 à 0,00163. La figure 17 montre la différence entre le trafic réel et prédit après la suppression de ces échantillons. Il est clair que la performance est meilleure qu'à la figure 15.

Figure: Le trafic réel contre celui prévu pour la totalité de deux semaines suivantes.

Figure: Le trafic réel contre celui prévu pour les troisième et quatrièmes jours de la troisième semaine.

Figure: La différence entre le trafic réel et prévu pour les suivantes deux semaines complètes.

Figure: Un histogramme de la distribution entre la différence de trafic réel et prévu

Figure: La différence entre le trafic réel et prévu pour les suivantes deux semaines complètes une fois que les échantillons spiky sont retirés.