排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析(singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进行各站点的短时进站客流预测。采集2015年11月北京市全网的城市轨道交通进站客流数据,对提出的短时客流预测模型进行验证和对比分析。结果表明,组合模型预测精度相比ARIMA、SVR、CNN-LSTM和T-GCN模型具有更高的预测精度和更稳定的预测表现,具有一定的实际意义。 相似文献
2.
换电企业在城市内建立换电柜,满足不断增长的电动自行车换电需求,涉及到换电柜的选址,电池的投放和换电需求的预测.本文分析了国内某大型换电企业的换电订单数据,发现换电柜存在使用严重不均衡问题,为提高使用率,降低换电成本,提出按区域对换电需求量进行聚类并预测的方法.首先,对换电柜位置进行K-means聚类,据此优化换电柜的投... 相似文献
1