基于EMD-PSO-LSTM组合模型的城市轨道交通短时客流预测

摘要：

准确的短时客流预测能够为城市轨道交通的良好运营提供保障,针对客流的非线性和强随机性特点以及LSTM神经网络参数较难确定的问题,提出一种基于EMD和PSO优化LSTM神经网络的组合预测模型.首先利用EMD降低数据噪声的干扰,将客流数据分解为多个IMF,然后利用PSO优化LSTM神经网络的学习率、迭代次数和隐含层的神经元个数,并对各IMF进行预测,将各IMF的预测结果加和得到最终的预测结果.以上海陆家嘴站的客流预测为例验证组合模型的有效性,并与LSTM,EMD-LSTM,PSO-LSTM 3种短时客流预测模型做比较,结果显示EMD-PSO-LSTM组合模型的预测误差均小于其他3种模型,在针对工作日和非工作日的客流预测中,预测值和真实值的决定系数分别达到0.992和0.963,可以有效提高客流预测模型的预测精度.

关键词：城市轨道交通、短时客流预测、EMD、PSO、LSTM神经网络、EMD-PSO-LSTM组合模型

所属期刊栏目：44

分类号：F530.7(铁路运输经济)

资助基金：中央引导地方科技发展资金项目;河北省引进国外智力项目;河北省科技计划重点项目

在线出版日期：2022-08-01（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：110-118