典型文献
后疫情时代基于XGBoost的铁路客运站客流量预测研究
文献摘要：
进入"后疫情时期",铁路客流正逐步回升,但呈现较大波动,面对铁路提质增效的任务,准确预测客流量愈发重要.文章采用极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,以新冠肺炎疫情、天气和日期属性作为影响因素,选取上海站2016年1月1日—2020年7月27日客流量数据作为训练集和验证集,利用5折交叉验证和网格搜索(Grid Search)得到最优参数,并对上海站2020年7月28日—2021年5月17日的客流量进行预测,预测拟合度为R20.812,总体预测效果较好.
文献关键词：
客流量预测;后疫情时代;XGBoost;k折交叉验证;网格搜索
中图分类号：
作者姓名：
王平;吴文波;马毅华;许江;宗智诚
作者机构：
上海申铁信息工程有限公司,上海 200071
文献出处：
引用格式：
[1]王平;吴文波;马毅华;许江;宗智诚-.后疫情时代基于XGBoost的铁路客运站客流量预测研究)[J].铁路计算机应用,2022(01):22-26
A类：
B类：
XGBoost,铁路客运站,客流量预测,预测研究,后疫情时期,铁路客流,回升,大波动,准确预测,极端梯度提升,eXtreme,Gradient,Boosting,上海站,日客流量,流量数据,训练集,验证集,交叉验证,网格搜索,Grid,Search,最优参数,拟合度,R20
AB值：
0.397394
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。
