基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
短时客流预测是运输领域一项重要内容。预测结果可以有效支持运输管理,比如列车运行计划、车站客流管理计划等。在本文中,提出了一种包含经验模态分解(EMD)和反向传播神经网络(BPN)的组合短时客流预测EMD-BPN模型。在该模型中存在三个阶段:第一阶段(EMD阶段),将短时客流预测数据分解为一系列固有模态函数(IMF);第二阶段(组成成份识别阶段),识别其中有意义的固有模态函数作为反向传播神经网络的输入变量;第三阶段(BPN阶段),利用BPN模型进行短时客流预测,历史客流数据、经过筛选的EMD变量和经验因素(比如,一周内的不同日期,一天内的不同时间、是星期天或者正常工作日)均为该阶段的输入变量。仿真数据表明本文提出的组合EMD-BPN模型能够精确稳定地预测地铁短时客流。
推荐文章
基于 BP 神经网络的短时客流预测优化
客流预测
神经网络
遗传算法优化
模型性能
基于经验模态分解的小波神经网络预测模型
经验模态分解
小波神经网络
BP神经网络
预测
交通流量经验模态分解与神经网络短时预测方法
短时交通流量
经验模态分解
人工神经网络
预测
基于模糊神经网络的公交客流时段预测
公共交通
线路客流实时分布
模糊神经网络
相似性分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于经验模态分解和神经网络的地铁短时客流预测的模型
来源期刊 大科技 学科 工学
关键词 预测 地铁短时客流 经验模态分解 神经网络
年,卷(期) 2015,(13) 所属期刊栏目 交通建设
研究方向 页码范围 151-156
页数 6页 分类号 TP1Q83
字数 14163字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王小奇 4 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
预测
地铁短时客流
经验模态分解
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
大科技
周刊
chi
出版文献量(篇)
62867
总下载数(次)
225
总被引数(次)
12298
论文1v1指导