10.16668/j.cnki.issn.1003-1421.2019.08.18
基于GWO-WNN模型的城市轨道交通短时进站客流预测
城市轨道交通短时进站客流具有较强的非线性与随机性.针对该问题,提出一种基于灰狼优化算法(Grey Wolf Optimizer,GWO)与小波神经网络(Wavelet Neural Network,WNN)的城市轨道交通短时进站客流预测模型(GWO-WNN模型).在构建小波神经网络的基础上,利用灰狼优化算法对初始权值和小波因子进行全局搜索寻优,有效避免了小波神经网络预测结果不稳定及极易陷入局部最小值的缺点.结合案例分析,将单纯WNN模型预测结果与GWO-WNN模型的预测结果比较分析,结果表明GWO-WNN模型相比单纯的WNN模型,在绝对误差和绝对误差百分比方面有极大的提升,均方根误差也可以佐证优化后的WNN模型预测精度更高.
城市轨道交通、短时客流预测、灰狼算法、小波神经网络、算法优化
41
U293.6(铁路运输管理工程)
国家重点研发计划项目2018YFB1201601;北京市高校基本科研业务费K22016115;中央高校基本科研业务费2018JBM021
2019-09-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
97-102