地铁进站客流量SARIMA与GA-BP神经网络组合预测模型

摘要：

为提高地铁进站客流量预测精度,提出一种基于SARIMA模型和GA-BP神经网络的客流量组合预测模型,通过已有客流相关数据构建预测客流量的SARIMA模型和GA-BP神经网络模型作为组合模型的子模型,再利用拟合SARIMA模型的最大季节回归多项式个数确定组合模型因变量个数,之后结合季节周期和子模型的预测值确定组合模型的因变量,并基于子模型预测值的平均绝对百分比误差(MAPE)确定组合模型的因变量权重,最后进行实例验证.结果 表明:当预测个数为5个时,组合预测模型的MAPE为3.11％,介于子模型之间但优于传统的线性组合模型;当预测个数为10个时其MAPE为5.13％,优于所有对比模型.

关键词：SARIMA模型;GA-BP神经网络;组合预测模型;客流量预测;平均绝对百分比误差

所属期刊栏目：43

分类号：U121(城市交通运输)

资助基金：国家自然科学基金51638004

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：134-142