典型文献
基于SSA-SVR模型的城市轨道交通短时进站客流预测
文献摘要：
针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析(singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型.该组合模型利用奇异谱分析(SSA)将轨道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进行各站点的短时进站客流预测.采集2015年11月北京市全网的城市轨道交通进站客流数据,对提出的短时客流预测模型进行验证和对比分析.结果表明,组合模型预测精度相比ARIMA、SVR、CNN-LSTM和T-GCN模型具有更高的预测精度和更稳定的预测表现,具有一定的实际意义.
文献关键词：
城市轨道交通;客流;短时预测;SSA模型;SVR模型
中图分类号：
作者姓名：
帅春燕;谢亚威;单君;欧阳鑫
作者机构：
昆明理工大学交通工程学院,昆明650500;昆明理工大学信息工程与自动化学院,昆明650500
文献出处：
引用格式：
[1]帅春燕;谢亚威;单君;欧阳鑫-.基于SSA-SVR模型的城市轨道交通短时进站客流预测)[J].都市快轨交通,2022(05):76-83
A类：
B类：
SSA,SVR,城市轨道交通,进站,客流量预测,奇异谱分析,singular,spectrum,analysis,该组,流数据,奇异值,时间序列数据,列作,支持向量回归模型,输入条,各站,全网,通进,短时客流预测,组合模型预测,ARIMA,GCN,更稳,实际意义,短时预测
AB值：
0.299236
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。
