典型文献
基于改进自然选择粒子群算法的铁路客运量组合预测研究
文献摘要：
为提高铁路客运量的预测精度,引入基于自然选择的粒子群算法以解决铁路客运量组合预测模型权重分配问题,借助对数函数和正弦函数非线性变化的特点对基于自然选择粒子群算法的权重和学习因子进行改进,并结合BP神经网络和ARIMA模型对北京市铁路客运量进行组合预测.研究结果表明:(1)改进基于自然选择的粒子群算法在权重分配过程中展现出更好的寻优能力和收敛速度;(2)相比于BP神经网络和ARIMA模型和等分权重法赋值的组合预测模型,改进基于自然选择的粒子群算法求解权重的组合预测精度更高,预测年度平均预测相对误差分别提高了1.934％、5.009％和1.118％.
文献关键词：
自然选择理论;粒子群算法;铁路客运量;组合预测;权重
中图分类号：
作者姓名：
杨飞;王洋
作者机构：
中铁工程设计咨询集团有限公司,北京100055
文献出处：
引用格式：
[1]杨飞;王洋-.基于改进自然选择粒子群算法的铁路客运量组合预测研究)[J].高速铁路技术,2022(06):63-68,73
A类：
自然选择粒子群算法
B类：
铁路客运量,预测研究,提高铁路,组合预测模型,模型权重,权重分配,分配问题,对数函数,正弦函数,非线性变化,学习因子,ARIMA,寻优能力,收敛速度,分权,权重法,赋值,自然选择理论
AB值：
0.192325
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。
