城市轨道交通进出站短时客流预测模型研究

摘要：

针对城市轨道交通短时进出站客流的强随机性、周期性及非线性的特征,提出了一种基于小波变换与Adam算法优化的长短时记忆网络(LSTM)短时客流组合预测模型(即WT-LSTM组合模型),同时基于非饱和激活函数ReLU函数实现了LSTM的学习与训练.采用LSTM模型与WT-LSTM组合模型对广州地铁广州塔站的客流量进行预测,并对预测结果的误差进行对比分析.结果 表明,WT-LSTM组合模型能够较好地预测短时客流,预测结果优于单一LSTM模型.

关键词：城市轨道交通;短时客流量预测;组合模型;小波变换;长短期记忆网络

所属期刊栏目：24

分类号：U293.13(铁路运输管理工程)

在线出版日期：2021-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-19,24