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:
客流量预测是铁路部门了解日常客运流量和冷热门线路具体情况的基础,是制定运输方案和列车开行计划的重要依据.针对铁路客流量变化受到季节周期、突发事件和节假日等因素影响的现象,提出一种基于Prophet时间序列算法的铁路客流量预测研究的新方法.实验选取了某铁路客运专线2015年至2016年的日客流量数据,经过预处理的客流量数据进行标准化得到客流量时间序列;构建节假日特征时间窗口列表和设置趋势的突变点,结合Prophet算法对节假日特征和突变点进行计算,并依此建立Prophet预测模型;利用可视化技术分析预测结果,调节参数进一步优化模型.重点结合节假日效应对未来两周客流量进行了预测分析.结果表明,Prophet模型预测结果精确度高于LSTM模型,所建立的模型预测结果是合理和可靠的.
推荐文章
基于BP神经网络的机场安检旅客流量预测模型
机场
安检旅客流量
BP神经网络
预测
服务资源
调度
基于时空残差网络的区域客流量预测方法
区域客流量预测
残差网络
全连接网络
季节性影响
旅游客流量预测:基于季节调整的PSO-SVR模型研究
旅游客流量预测
粒子群算法
支持向量回归机
季节调整
均方差比较
基于多因素稀疏回归预测模型的商家客流量预测
智能商业平台
客流量预测
稀疏回归
多因素分析
字典学习
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Prophet算法的铁路客流量预测研究
来源期刊 计算机技术与发展 学科 工学
关键词 铁路客运专线 客流量 时间序列预测 Prophet算法 节假日效应
年,卷(期) 2020,(6) 所属期刊栏目 应用开发研究
研究方向 页码范围 130-134,150
页数 6页 分类号 TP39
字数 4869字 语种 中文
DOI 10.3969/j.issn.1673-629X.2020.06.025
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 揣锦华 长安大学信息工程学院 15 87 4.0 9.0
2 张立恒 长安大学信息工程学院 3 0 0.0 0.0
3 王晓 长安大学信息工程学院 8 87 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (77)
共引文献  (48)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(14)
  • 参考文献(1)
  • 二级参考文献(13)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(10)
  • 参考文献(2)
  • 二级参考文献(8)
2015(6)
  • 参考文献(1)
  • 二级参考文献(5)
2016(7)
  • 参考文献(2)
  • 二级参考文献(5)
2017(7)
  • 参考文献(4)
  • 二级参考文献(3)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
铁路客运专线
客流量
时间序列预测
Prophet算法
节假日效应
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导