基于时空序列的铁路客运量数据挖掘预测

• 作者: 王卓 王艳辉 秦勇 贾利民
• 来源期刊: 中国铁道科学
• 学科: 交通运输
• 关键词: 时空序列 铁路客运量 BP神经网络 数据挖掘
• 年，卷（期）: 2005,（4）
• 页码范围: 130-135
• 页数: 6页
• 分类号: U293.13
• 字数: 4618字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-4632.2005.04.027

摘要

在分析铁路客运量数据的时空复杂性特征的基础上,以铁路假日运输管理系统中春运期间的客运量数据为依据,采用BP神经网络的数据挖掘方法进行铁路客运量数据挖掘预测研究.通过BP神经网络的建模方法把客运量的空间属性、数据属性和时间属性有机地结合起来,将数据的建模含于网络的数值当中.网络在学习过程中系统误差始终保持持续稳定的下降趋势,没有产生局部振荡和陷入极小现象,整个学习过程中系统稳定性较好.各样本之间的期望输出和实际输出之间吻合较好,从而证明所采取的数据处理方法的有效性和网络学习参数的合理性.根据BP神经网络得到的预测模型在仿真试验中的期望输出和实际输出之间吻合较好,预测的客运量和实际客运量数值非常接近.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾利民	北京交通大学交通运输学院	176	2118	22.0	36.0
2	王艳辉	北京交通大学交通运输学院	55	657	14.0	23.0
3	秦勇	北京交通大学交通运输学院	112	1035	16.0	26.0
4	王卓	北京交通大学交通运输学院	20	360	11.0	18.0