典型文献
基于集成算法的铁路客流短期预测模型研究
文献摘要：
随着高铁客运专线陆续建成并投入使用,积累了一定的客流历史数据,为合理分配运能及提高运输服务质量,需充分挖掘历史数据对客流进行短期预测,在考虑不同长度时间序列样本的基础上提出客流短期预测集成模型.首先,基于站间OD原始客流数据进行抽样得到全面反映客流特征的变长时间序列作为样本;其次,将小波分解和ARIMA模型结合构建客流预测弱模型;最后,使用Adaboost集成算法思想将多个弱模型组合起来构建客流预测强模型,并以重庆渝万线客流数据为基础对模型进行参数标定与检验.研究表明:提出的模型对比GM(1,1)和ARIMA模型有较好的预测精度和泛化能力,在平均绝对误差、平均相对误差和均方差这3个指标上平均有38.12％,67.78％和38.52％的提高.
文献关键词：
交通运输工程;时间序列;客流预测;小波分解;ARIMA模型;Adaboost集成算法
中图分类号：
作者姓名：
刘杰
作者机构：
重庆工程职业技术学院 智能制造与交通学院,402260
文献出处：
引用格式：
[1]刘杰-.基于集成算法的铁路客流短期预测模型研究)[J].重庆交通大学学报（自然科学版）,2022(05):20-25
A类：
B类：
集成算法,铁路客流,短期预测,客运专线,续建,投入使用,历史数据,合理分配,运能,运输服务质量,流进,同长,集成模型,OD,流数据,映客,客流特征,变长,长时间序列,列作,小波分解,ARIMA,客流预测,Adaboost,法思想,模型组合,万线,参数标定,模型对比,GM,泛化能力,平均绝对误差,平均相对误差,交通运输工程
AB值：
0.408419
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
