典型文献
基于二次分解组合预测模型的高速铁路短期客流预测
文献摘要：
高速铁路短期客流预测是铁路运输研究领域的重点之一,不管对编制列车开行方案或是作为高速铁路客运运营管理工作的基础,都具很大的重要性.因为高速铁路客流时间序列存在非线性、非平稳的特性,传统预测模型很难获得令人满意的结果.为了克服传统模型的缺陷,本研究提出了二次分解组合预测模型.先以完全重组经验模态分解算法对原始数据进行分解,同时通过样本熵测算各分量的复杂度,然后再以变分模态分解算法进一步分解一次分解产生的高频分量,利用极限学习机来预测第一次的分解结果,再利用核极限学习机来预测第二次的分解结果,最后把所有部分的预测结果相加成为最终预测值.为验证模型的实用性,以ZD013-ZD190-01的OD日客流量数据作为研究对象,经实例研究表明由该方法得到的高铁短期客流预测结果在准确度与稳定性上均表现出色.
文献关键词：
客流预测;二次分解;组合预测;极限学习机
中图分类号：
作者姓名：
高立东;白军成
作者机构：
兰州交通大学交通运输学院,甘肃兰州730070;西安电子科技大学经济管理学院,陕西西安710071
文献出处：
引用格式：
[1]高立东;白军成-.基于二次分解组合预测模型的高速铁路短期客流预测)[J].甘肃科技,2022(18):55-61,67
A类：
ZD013,ZD190
B类：
二次分解,解组,组合预测模型,高速铁路,短期客流预测,铁路运输,不管,列车开行方案,铁路客运,运营管理,铁路客流,流时,非平稳,传统预测模型,得令,令人满意,传统模型,先以,全重,经验模态分解,原始数据,样本熵,再以,变分模态分解算法,高频分量,解结,核极限学习机,相加,加成,验证模型,OD,日客流量,流量数据,实例研究,表现出色
AB值：
0.310084
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。
