文档名：CEEMDANPSO组合优化BiLSTM的公交站点短时客流预测方法
摘要：客流观测数据的非平稳性和选择学习参数的主观性,是影响双向长短时记忆神经网络(Bi-directionalLongShort-TermMemory,BiLSTM)预测公交站点短时客流精度的重要因素.通过自适应噪声完备集合经验模态分解(CompleteEnsembleEmpiricalModeDecompositionWithAdaptiveNoise,CEEMDAN)提升客流观测数据的平稳性,用粒子群算法(ParticleSwarmOptimization,PSO)优化BiLSTM隐藏层神经元个数、学习率与训练次数;基于Theano和Tensorflow深度学习库Keras,构建了公交站点短时客流预测组合模型CEEMDAN-PSO-BiLSTM,用均方根误差与平均绝对误差进行预测精度检验,并在浙江省海宁市2个公交站点进行了应用.研究结果表明:客流预测精度由高到低依次为CEEMDAN-PSO-BiLSTM、CEEMDAN-BiLSTM、PSO-BiLSTM、BiLSTM和LSTM,2个站点CEEMDAN-PSO-BiLSTM比BiLSTM预测结果的均方根误差分别下降了53.76％和48.36％、平均绝对误差分别下降了45.71％和40.22％,提升数据平稳性与优化学习参数组合改进BiLSTM的CEEMDAN-PSO-BiLSTM模型,能显著提高公交站点短时客流预测精度.
作者：姚志刚 卢致远 李聪聪 王元庆 Author：YAOZhigang LUZhiyuan LICongcong WANGYuanqing
作者单位：长安大学运输工程学院,西安710061;长安大学交通规划与设计研究所,西安710061长安大学运输工程学院,西安710061长安大学运输工程学院,西安710061;长安大学交通规划与设计研究所,西安710061;长安大学生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室,西安710061
刊名：北京交通大学学报 ISTICPKU
Journal：JournalofBeijingJiaotongUniversity
年，卷(期)：2023, 47(1)
分类号：U491.1
关键词：公共交通 短时客流预测 BiLSTM 公交站点 CEEMDAN PSO
机标分类号：U491.227TP391U125
在线出版日期：2023年4月7日
基金项目：国家自然科学基金CEEMDAN-PSO组合优化BiLSTM的公交站点短时客流预测方法[
期刊论文] 北京交通大学学报--2023, 47(1)姚志刚 卢致远 李聪聪 王元庆客流观测数据的非平稳性和选择学习参数的主观性,是影响双向长短时记忆神经网络(Bi-directionalLongShort-TermMemory,BiLSTM)预测公交站点短时客流精度的重要因素.通过自适应噪声完备集合经验模态分解(CompleteEns...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
CEEMDAN-PSO组合优化BiLSTM的公交站点短时客流预测方法 Improved CEEMDAN-PSO-BiLSTM model for short-term passenger flow prediction at bus stops
CEEMDAN-PSO组合优化BiLSTM的公交站点短时客流预测方法.pdf
- 文件大小:
- 10.39 MB
- 下载次数:
- 60
-
高速下载
|
|
