10.16668/j.cnki.issn.1003-1421.2021.06.05
基于MLPs-dynFWA模型的高速铁路短时客流预测方法研究
针对传统深度学习模型在预测高速铁路短时客流时难以确定时间阈值、网络参数选取有难度等问题,提出一种基于多层感知器时间序列网络与动态搜索烟花算法的高速铁路预测模型.首先以高速铁路短时客流预测作为研究对象,将MLPs网络中每个节点作为一个感知器,模拟生物神经网络中神经元基础功能,对时间变化特征进行建模;再将dynFWA算法应用到神经网络参数多样性选择中,利用爆炸算子搜索机制对网络超参数组合进行优化,以高速铁路历史真实客流系数为基础,部分数据作为数据源,部分数据作为验证组,通过MLPs—dynFWA模型进行预测并将结果与其他预测模型进行比较,得到不同数据组在不同模型优化策略下的性能指标.通过实验结果得知,MLPs—dynFWA模型对于高速铁路短时客流预测性能最优.
高速铁路、客流预测、短时预测、多层感知器时间序列、动态搜索烟花算法
43
U293.22(铁路运输管理工程)
国家重点研发计划;中国铁路总公司科技研究开发计划
2021-08-02(万方平台首次上网日期,不代表论文的发表时间)
共9页
28-36