典型文献
基于SSA-GM-GPR的铁路客运量预测研究
文献摘要：
铁路客运量预测主要存在客运量数据易受噪声污染、数据呈现非线性和非平稳的特征关系两方面问题.为解决此问题,文中提出一种基于奇异谱分析(SSA)的集成预测方法.首先,对原始数列进行奇异谱分析,剔除噪声数据后重构包含主要特征信息的趋势序列;其次,对趋势序列分别采用灰色预测模型(GM)和高斯过程回归模型(GPR)进行预测,再采用优势矩阵法对各预测结果进行集成,得出最终预测值;最后,以我国铁路客运量年度数据为实证,选择均方误差(MSE)和平均绝对百分比误差(MAPE)作为评价标准,与原始序列模型和单一模型的预测结果进行对比.结果表明,与其他模型相比,基于SSA-GM-GPR的铁路客运量预测模型预测精度较高.采用所提出的模型预测2020—2022年客运量,可为铁路管理组织制定工作计划提供理论支撑.
文献关键词：
铁路客运量预测;降噪;奇异谱分析;灰色预测;高斯过程回归;优势矩阵集成;特征提取
中图分类号：
作者姓名：
曹武军;李中强
作者机构：
郑州大学,河南 郑州 450000;河南国际数字贸易研究院,河南 郑州 450000
文献出处：
引用格式：
[1]曹武军;李中强-.基于SSA-GM-GPR的铁路客运量预测研究)[J].现代电子技术,2022(14):159-163
A类：
优势矩阵集成
B类：
SSA,GM,GPR,铁路客运量预测,预测研究,噪声污染,非平稳,特征关系,奇异谱分析,集成预测,数列,除噪声,噪声数据,特征信息,灰色预测模型,高斯过程回归,矩阵法,国铁,年度数据,均方误差,MSE,平均绝对百分比误差,MAPE,序列模型,织制,制定工作,工作计划,降噪
AB值：
0.216992
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。
