EMD-RBF组合模型在城市轨道交通客流预测中的应用

被引:33
作者
何九冉 [1 ]
四兵锋 [2 ]
机构
[1] 锦州铁道勘察设计院有限公司线路所
[2] 北京交通大学交通运输学院
关键词
轨道交通; 客流预测; 组合预测; RBF; EMD;
D O I
暂无
中图分类号
U293.13 [];
学科分类号
摘要
随着我国城市轨道交通路网的不断发展与完善,城市轨道交通客流预测作为城市轨道交通规划设计和运营管理的基本依据及城市轨道交通建设过程中的重要环节,其重要性也越来越明显。通过对城市轨道交通客流历史数据进行统计分析,针对平常日客流变化的非平稳性统计特征,构建EMD-RBF组合预测模型对城市轨道交通平常日客流进行预测。以北京地铁客流预测为例,得出利用IMF分量进行预测的EMD-RBF组合模型方案可以有效提高客流预测的精确度。
引用
收藏
页码:87 / 92
页数:6
相关论文
共 12 条
[1]
A novel hybrid optimization algorithm of computational intelligence techniques for highway passenger volume prediction.[J].Wu Deng;Wen Li;Xin-hua Yang.Expert Systems With Applications.2010, 4
[2]
A study of hybrid neural network approaches and the effects of missing data on traffic forecasting [J].
Chen, HB ;
Grant-Muller, S ;
Mussone, L ;
Montgomery, F .
NEURAL COMPUTING & APPLICATIONS, 2001, 10 (03) :277-286
[3]
The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J].
Huang, NE ;
Shen, Z ;
Long, SR ;
Wu, MLC ;
Shih, HH ;
Zheng, QN ;
Yen, NC ;
Tung, CC ;
Liu, HH .
PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES, 1998, 454 (1971) :903-995
[4]
ARIMA-RBF模型在城市轨道交通客流预测中的应用 [J].
何九冉 ;
四兵锋 .
山东科学, 2013, 26 (03) :75-81
[5]
具有最优学习率的RBF神经网络及其应用 [J].
卫敏 ;
余乐安 .
管理科学学报, 2012, 15 (04) :50-57
[6]
基于径向基神经网络的铁路短期客流预测 [J].
李晓俊 ;
吕晓艳 ;
刘军 .
铁道运输与经济, 2011, 33 (06) :86-89
[7]
基于支持向量机的交通流组合预测模型 [J].
李斌 ;
郗涛 ;
史明华 .
天津工业大学学报, 2008, (02) :73-76
[8]
一个基于灰色神经网络组合的交通量预测模型应用研究 [J].
王秀 ;
孙皓 .
交通科技与经济, 2007, (02) :68-70
[9]
改进的BP神经网络在铁路客运量时间序列预测中的应用 [J].
王卓 ;
王艳辉 ;
贾利民 ;
李平 .
中国铁道科学, 2005, (02)
[10]
多分量神经网络自回归模型及其工程应用 [J].
郝志华 ;
马孝江 .
农业机械学报, 2005, (02) :115-118