原文传递
基于BP-GRU组合模型的高速铁路短期客流预测
| 题名： | 基于BP-GRU组合模型的高速铁路短期客流预测 |
| 作者： | 刘承希;倪少权 |
| 作者单位： | 西南交通大学交通运输与物流学院;综合交通运输智能化国家地方联合工程实验室;综合交通大数据应用技术国家工程实验室 |
| 关键词： | 高速铁路;短期客流预测;深度学习;BP-GRU组合模型;神经网络 |
| 摘要： | 高速铁路短期客流预测需要高质量的准确度，提出BP-GRU深度学习组合模型以提高预测准确性。针对BP算法易陷入极小值的问题，构建BP-GRU训练模式与预测模式，从而提高BP算法的搜索能力。以2020年4月1日至2022年2月25日上海站客流为基础，从时序客流数据特点出发，完成了客流数据的标准化与重构。通过精细化参数设置，借助BP-GRU的不同模式，对高速铁路短期客流进行预测。通过与LSTM、GRU、BP-LSTM预测模型对比，采用合适的评价指标，结果表明BP-GRU组合模型比单一神经网络预测效果更好。BP-GRU比BP-LSTM拥有更加简单的网络的结构，预测结果基本一致的情况下，完成本次预测所花费的时间更少。 |
| 期刊名称： | 综合运输 |
| 出版年： | 2023 |
| 期： | 03 |
| 页码： | 104-109 |
检索历史
应用推荐
