地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考，其中短时客流预测的精准性尤为重要，为进一步提高城市轨道站点短时客流预测精准性，提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解，以减少数据噪声干扰；再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化，从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型，双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。