10.3969/j.issn.1672-7029.2017.09.028
超限学习机在铁路客运量预测中的应用研究
传统的预测方法对实验对象要求严格、需要人工设置大量参数,导致算法学习速度较慢、预测误差较大等不理想结果.本文引入机器学习中的超限学习机(Extreme Learning Machine,ELM)对铁路客运量进行预测,建立铁路客运量网络预测模型.利用国家统计局公布的1997~2014年铁路客运量数据做了验证,并以2014年的数据为依据对客运量进行月度预测.结果表明:2010~2014年预测值与实际值的平均误差为0.61%,2014年每个月预测值与实际值的误差均低于1.00%.重复的实验证明ELM算法具有很好的泛化能力和鲁棒性,为铁路客运量的预测提供了一种新的工具.
铁路客运量、神经网络、超限学习机
14
U293.13(铁路运输管理工程)
北京市属高等学校高层次人才引进与培养计划资助项目CIT&TCD20150314;北京市自然科学基金资助项目4142018
2017-11-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
2013-2019