突发事件预测误差降73%
结合Prophet的趋势捕捉与DeepAR的非线性建模，该模型专为突发事件下历史数据稀缺的交通预测设计，能自适应学习异常模式并动态调整权重。
Xueyi, Gao · 慈玉生 · Yuen Kum, Fai · Wu, Lina · 李瑞敏
Engineering Applications of Artificial Intelligence 2025
DeepAR擅长建模突发事件引起的突变非线性变化，而Prophet捕捉长期趋势和季节性，两者结合可自适应学习异常模式。
通过模块化分解、集成外生因素和动态权重调整，模型在常规交通动态与紧急扰动之间取得稳健平衡，提高了灵活性。
在卢森堡疫情场景中，MAE降低73.60%，RMSE降低74.22%，CV降低31.52%，R²提升98.55%，显著优于对比模型。