基于多步LSTM模型融合的铁路客票订单量预测方法

摘要：

根据铁路客票订单量的周期性特征,提出一种基于多步LSTM模型融合的铁路客票订单量预测方法.首先构造多个LSTM模型作为第一层预测模型,并采用贝叶斯优化方法训练LSTM模型,得到候选超参数集合;对验证集以候选最优超参数集合代入LSTM模型进行预测,可得到LSTM模型的最优参数集合,再分别以加权求和、线性回归和LightGBM作为第二层模型对LSTM模型的预测结果进行融合.通过对比分析不同融合方法的预测效果可知,计算过程最简单的加权求和方法可显著提高预测效果,而其他两种计算稍微复杂的方法仅能小幅度提高预测效果.提出的预测方法计算流程简单、鲁棒性强,预测精度符合预期,可在出行高峰期为技术人员提前准备系统运维方案提供决策支持.

关键词：深度学习;决策树;集成学习;铁路客票;预测

所属期刊栏目：43

分类号：U293.1(铁路运输管理工程)

资助基金：国家重点研发计划;中国国家铁路集团有限公司2019重大项目

在线出版日期：2021-09-07（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：19-25