文献类型：期刊文章

作　　者：何勇[1] 张开雯[1]

HE Yong;ZHANG Kaiwen(School of Mathematics,Physics and Data Science,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院数理与大数据学院,重庆401331

出　　处：《武汉理工大学学报（交通科学与工程版）》

基　　金：重庆市科技局自然科学基金(CSTB2022NSCQ-MSX0256);中国博士后第71批面上项目(2022M712619);重庆市教委科学技术研究计划重点项目(KJZD-K202201502)。

年　　份：2024

卷　　号：48

期　　号：5

起止页码：829-834

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：文中基于EMD和SSA算法,对LSTM神经网络进行优化,提出一种新的组合预测模型.利用EMD算法降低数据噪点的干扰,将短时客流数据分解为多个IMF和一个残差.利用SSA算法优化LSTM网络的隐含层神经元个数、学习率以及迭代次数.利用优化后的LSTM模型对各个IMF进行预测,由各IMF的预测结果求和得到最终的预测值.利用杭州市客流量最大的站点火车东站客流量数据进行验证,并与BP神经网络、LSTM神经网络以及SSA-LSTM模型的预测结果相比较.结果表明:在针对工作日和非工作日的短时客流预测中,EMD-SSA-LSTM组合模型的预测误差均低于其他3种模型,且工作日与非工作日的预测值与真实值之间可决系数分别为0.9995,0.998,验证了本文提出的组合模型的有效性,并且提高了预测精度.

关 键 词：短时客流预测  EMD和SSA算法  LSTM神经网络  组合模型  

分 类 号：U293.13[物流管理与工程类]