排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
轨道交通短时客流具有随机性和非线性的特点。为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP)。计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力和寻优效率;用IGWO算法优化BP神经网络的初始权值和阈值,提高短时客流预测结果的准确性。预测了西安轨道交通2号线龙首原站周三早高峰15 min时间粒度的短时客流量,并将IGWO-BP算法的预测结果与其他5种模型(KF,GM,SVM,BPNN,GWO-BP)比较。结果表明,IGWO-BP算法的均方根误差为89.65,平均绝对百分比误差为1.16%,预测结果的精度和稳定性均为最优。 相似文献
1