文档名：基于VMDLSTM混合模型的城际高速铁路时变客流预测
摘要：城际高速铁路1周内每天不同出发时段的旅客需求体现出较为稳定的波动规律特征,依据该特征,设计变分模态分解-长短时记忆神经网络(VMD-LSTM)混合模型对城际高速铁路的O-D对客流进行预测,获得1周内每天各时段的旅客需求.首先,依据广珠城际高速铁路的历史售票数据分析旅客出行需求的时间分布特征(时变特征),获取非平稳的客流时间序列;然后,采用VMD方法将非平稳的客流时间序列分解为若干个平稳的客流时间子序列,提取客流的波动特征,设计LSTM神经网络模型对分解后的客流时间子序列进行预测.设置不同的模型参数,选取广珠城际高速铁路的6个典型O-D对进行实验分析,结果表明:1)VMD-LSTM混合模型的隐藏神经元个数和迭代次数的有效增加可以降低预测误差,但是当两者增加到一定量时,误差反而会有增大的趋势,对预测效果影响较大.2)相比于单一的LSTM神经网络模型,VMD-LSTM混合模型的预测误差明显降低,说明混合预测模型比单一预测模型具有较高的预测精度.3)VMD-LSTM混合模型获得的各时段预测值与实际值较为接近,分布特征整体一致,说明混合模型能够较好地拟合旅客出行需求的时变特征.4)VMD-LSTM混合模型的MAPE预测误差可控制在10％左右,对于时变特征较为规则的O-D对客流,整体预测效果较好.
作者：苏焕银 彭舒婷 曾琼芳 代慧子 Author：SUHuanyin PENGShuting ZENGQiongfang DAIHuizi
作者单位：五邑大学轨道交通学院,广东江门529020湖南工商大学旅游管理学院,湖南长沙410205广州地铁集团有限公司,广东广州510330
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2023, 20(4)
分类号：U293.5
关键词：城际高速铁路 时变客流 VMD方法 LSTM神经网络 预测精度
机标分类号：U293.13U491.17TP391
在线出版日期：2023年5月16日
基金项目：五邑大学高层次人才科研启动项目，江门市基础与理论科学研究类科技计划项目，国家自然科学基金基于VMD-LSTM混合模型的城际高速铁路时变客流预测[
期刊论文] 铁道科学与工程学报--2023, 20(4)苏焕银 彭舒婷 曾琼芳 代慧子城际高速铁路1周内每天不同出发时段的旅客需求体现出较为稳定的波动规律特征,依据该特征,设计变分模态分解-长短时记忆神经网络(VMD-LSTM)混合模型对城际高速铁路的O-D对客流进行预测,获得1周内每天各时段的旅客需求.首...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于VMD-LSTM混合模型的城际高速铁路时变客流预测 Forecast of time-dependent passenger flow of Intercity high-speed railway based on VMD-LSTM mixed model
基于VMD-LSTM混合模型的城际高速铁路时变客流预测.pdf
- 文件大小:
- 10.8 MB
- 下载次数:
- 60
-
高速下载
|
|
