典型文献
基于EMD-PSO-LSTM组合模型的城市轨道交通短时客流预测
文献摘要：
准确的短时客流预测能够为城市轨道交通的良好运营提供保障,针对客流的非线性和强随机性特点以及LSTM神经网络参数较难确定的问题,提出一种基于EMD和PSO优化LSTM神经网络的组合预测模型.首先利用EMD降低数据噪声的干扰,将客流数据分解为多个IMF,然后利用PSO优化LSTM神经网络的学习率、迭代次数和隐含层的神经元个数,并对各IMF进行预测,将各IMF的预测结果加和得到最终的预测结果.以上海陆家嘴站的客流预测为例验证组合模型的有效性,并与LSTM,EMD-LSTM,PSO-LSTM 3种短时客流预测模型做比较,结果显示EMD-PSO-LSTM组合模型的预测误差均小于其他3种模型,在针对工作日和非工作日的客流预测中,预测值和真实值的决定系数分别达到0.992和0.963,可以有效提高客流预测模型的预测精度.
文献关键词：
城市轨道交通;短时客流预测;EMD;PSO;LSTM神经网络;EMD-PSO-LSTM组合模型
中图分类号：
作者姓名：
赵明伟;张文胜;王克文;李红
作者机构：
济南轨道交通集团有限公司第一运营有限公司,山东济南 250300;石家庄铁道大学交通运输学院,河北石家庄 050043;中铁十四局集团有限公司城市发展有限公司,山东济南 250101
文献出处：
引用格式：
[1]赵明伟;张文胜;王克文;李红-.基于EMD-PSO-LSTM组合模型的城市轨道交通短时客流预测)[J].铁道运输与经济,2022(07):110-118
A类：
B类：
EMD,PSO,组合模型,城市轨道交通,短时客流预测,良好运营,随机性,网络参数,组合预测模型,数据噪声,流数据,数据分解,IMF,学习率,迭代次数,隐含层,海陆,陆家嘴,预测误差,工作日,真实值,决定系数
AB值：
0.219191
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。
