基于SSA-LSTM的城市轨道交通短时客流预测

• 作者: 任鹏达 左忠义 陈洪涛
• 来源期刊: 武汉理工大学学报
• 学科: 交通运输
• 关键词: 短时客流预测 奇异谱分析 长短时记忆神经网络 地铁客流
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 交通科学与工程|Transportation Science and Engineering
• 页码范围: 44-52
• 页数: 9页
• 分类号: U293.13
• 语种: 中文
• DOI: 10.3963/j.issn.1671-4431.2022.02.007

摘要

为了减小噪声在城市轨道交通短时客流预测中的干扰,提出了 一种基于奇异谱分析(SSA)和长短时记忆网络(LSTM)模型的短时客流预测方法.该模型利用SSA对原始客流数据进行嵌入、分解、分组、重组,重新划分为趋势、周期、残差三部分,其中残差部分即视为噪声,将去噪后的两个部分作为LSTM模型的输入.并利用上海地铁1号线进出站客流数据对模型的有效性进行验证.结果表明,SSA-LSTM混合模型的预测精度更高.