原文传递
基于CEEMDAN—BLSTM模型的城轨交通短时客流预测
| 题名： | 基于CEEMDAN—BLSTM模型的城轨交通短时客流预测 |
| 正文语种： | 中文 |
| 作者： | 陈园园 |
| 作者单位： | 北京城建设计发展集团股份有限公司 |
| 关键词： | 城轨客流预测;时间序列;CEEMDAN-BLSTM模型;神经网络 |
| 摘要： | 针对工作日和休息日客流变化的不同特征，分别构建工作日和休息日客流数据的预测模型，采用Pearson相关系数分析历史客流数据与预测值的相关程度。采用完全噪声辅助聚合经验模态分解（CEEMDAN）算法对客流数据进行分解，减少数据波动所带来的误差。根据客流的时间变化，采用改进的双向长短期记忆网络（BLSTM）对分解后的客流数据进行预测。将LSTM、BLSTM、EMD-BLSTM等模型与文中所提CEEMDAN-BLSTM模型进行对比，验证了文中提所提模型的有效性和准确性。 |
| 期刊名称： | 武汉理工大学学报 |
| 出版年： | 2022 |
| 期： | 05 |
| 页码： | 816-820 |
检索历史
应用推荐
