基于组合模型的城市轨道交通短时客流预测模型研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：城市轨道交通客流数据具有非线性、非平稳性特征,为减少噪声对客流预测模型的干扰,本文采用STL算法和经验模态分解算法对进站客流序列进行分解,得到平稳性更高、规律性更强的分量,并选用LSTM预测模型,结合麻雀搜索算法进行寻优,构建STL-EMD-SSA-LSTM组合预测模型,对分解所得分量进行建模并叠加预测结果,并采用多种指标对模型的预测效果进行对比分析.以杭州市火车东站客流数据为例,分别对SVM、BP、LSTM、SSA-LSTM、STL-SSA-LSTM、STL-EMD-SSA-LSTM模型在15min粒度下的客流量进行预测,结果表明,SSA-LSTM模型比单一的LSTM模型的MAPE降低了0.45%;结合STL分解的STL-SSA-LSTM的MAPE降低2.06%;结合STL-EMD分解的STL-EMD-SSA-LSTM的MAPE降低3.13%.此外,STL-EMD-SSA-LSTM模型在高峰时段的预测精度高于平峰时段.

作者：

宋熙燕

展开 >

作者单位：

四川城市职业学院

关键词：

城市轨道交通短时客流预测 STL-EMD-SSA-LSTM模型

出版年：

2025

人民公交

中国城市公共交通协会

人民公交

影响因子：0.024

ISSN：1674-8050

年,卷(期)：2025.(2)