-
题名基于MD-LSTM轨道交通客流动态预测
- 1
-
-
作者
孙争艳
陈磊
陈宝国
-
机构
淮南师范学院计算机学院
-
出处
《淮南师范学院学报》
2025年第5期142-148,共7页
-
基金
安徽省高等学校年度科研计划编制项目自然科学类重点项目“基于知识图谱的古籍图书知识组织与应用研究——以《淮南子》为例”(2024AH051731)
认知智能全国重点实验室开放课题“基于神经网络的大规模认知诊断实时参数估计方法研究”(COGOS-2023HE02)
淮南师范学院质量工程教育教学改革研究重点项目“基于教研相促+校企融合+全面育人的python课程教学改革研究”(2023hsjyxm)。
-
文摘
短时客流动态预测是解决城市轨道交通实时监测与精准管控问题的关键因素,其发展受到城市管理者和交通研究学者的高度重视。外部因素干扰易影响预测的稳定性,因此,文章提出了多维长短期记忆(MD-LSTM)模型,旨在提升预测的准确性和稳定性。为增强数据特征的解释能力,拓展数据维度构建了5个影响短时客流变化的指标体系;使用logistic回归方法筛选出显著性因素形成数据块,用于进一步评估和改进MD-LSTM模型;基于模型块策略构建防扰动结构,有效提升了模型在数据波动环境下的稳定性。实验结果表明,与传统的ARIMA、SVR和GRU模型相比,该模型平均预测精度分别提高约27.1%、18.5%和14.3%,显示了其在短时客流预测领域的潜在适用性和优越性。
-
关键词
城市轨道交通
短时客流预测
md-lstm
-
Keywords
urban rail transit
short-term passenger flow forecasting
md-lstm
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
