典型文献
基于WOA-XGBoost地铁短时客流量预测及其应用
文献摘要：
地铁短时客流预测在单一模型中很难同时满足数据的线性、周期性等特征导致其预测结果较差.为了提高预测精度和泛化能力,提出鲸鱼优化算法(WOA)与极端梯度提升(XGBoost)组合的地铁客流分类预测模型.首先,融合自动检售票系统的多元数据,采用谱聚类和相关系数法将客流量按工作日分类.其次,构建组合模型对地铁短时客流进行优化预测,寻找全局最优结果,提高参数优化的效率;结果表明:组合模型的评价指标均明显降低且优于单一模型,说明组合模型具有良好的预测性.
文献关键词：
谱聚类;皮尔逊相关系数;组合模型;客流预测
中图分类号：
作者姓名：
程宝娜;单锐;王芳;阴良魁
作者机构：
燕山大学理学院,河北秦皇岛066004;中国科学院科技创新发展中心,北京100190
文献出处：
引用格式：
[1]程宝娜;单锐;王芳;阴良魁-.基于WOA-XGBoost地铁短时客流量预测及其应用)[J].数学的实践与认识,2022(10):104-113
A类：
B类：
WOA,XGBoost,客流量预测,短时客流预测,足数,泛化能力,鲸鱼优化算法,极端梯度提升,地铁客流,流分类,分类预测模型,动检,售票,多元数据,谱聚类,相关系数法,工作日,组合模型,流进,全局最优,高参数,皮尔逊相关系数
AB值：
0.347512
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
