典型文献
基于经验模态分解与K近邻的轨道交通站点客流预测方法
文献摘要：
文中提出一种经验模态分解(EMD)与K近邻非参数回归(KNN)组合的客流时间序列预测方法.基于EMD和KNN算法原理,在对KNN预测方法进行改进的基础上,构建了EMD-KNN组合算法流程.针对实例站点受新冠肺炎疫情影响,客流时间序列趋势发生明显变化的特征,利用BP结构断点检测法识别出三个结构性断点,选取客流变化趋势与预测日最为接近的时间序列段进行经验模态分解,将分解后的序列重组为高频、低频和趋势序列,分别运用考虑权重的K近邻算法进行预测,叠加得到最终预测结果,并与单一KNN算法和ARIMA模型预测结果比较.结果表明:EMD-KNN组合算法预测精度高于单一KNN算法和ARIMA模型,且能有效捕捉客流变化趋势.
文献关键词：
城市交通;客流量预测;经验模态分解;K近邻;轨道交通站点
中图分类号：
作者姓名：
朱从坤;谢鑫鑫
作者机构：
苏州科技大学土木工程学院 苏州 215009
文献出处：
引用格式：
[1]朱从坤;谢鑫鑫-.基于经验模态分解与K近邻的轨道交通站点客流预测方法)[J].武汉理工大学学报（交通科学与工程版）,2022(06):997-1002
A类：
B类：
基于经验,经验模态分解,轨道交通站点,站点客流,客流预测,EMD,非参数回归,KNN,流时,时间序列预测,算法原理,组合算法,新冠肺炎疫情影响,结构断点,点检,检测法,客流变化,近邻算法,加得,ARIMA,结果比较,算法预测,城市交通,客流量预测
AB值：
0.286148
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。
