排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
基于城市轨道交通自动售检票(Automatic Fare Collection,AFC)系统采集的进出站客流的历史数据,构建乘积差分自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)模型,实现对进出站客流量的精确预测.通过自相关和偏自相关函数进行数据的平稳性和周期性分析,消除趋势性和周期性特征影响;考虑到处理后数据的周期性和短期相关性之间的乘积关系,构建乘积ARIMA进出站客流预测模型,并以广州地铁各车站进出站客流量数据为例进行了模型的参数标定.模型预测值与实际值的对比分析显示该模型的平均绝对百分误差保持在5%以内,表明该模型具有很高的预测精度和良好的适用性. 相似文献
1