科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对工作日和休息日客流变化的不同特征，分别构建工作日和休息日客流数据的预测模型，采用Pearson相关系数分析历史客流数据与预测值的相关程度.采用完全噪声辅助聚合经验模态分解(CEEMDAN)算法对客流数据进行分解，减少数据波动所带来的误差.根据客流的时间变化，采用改进的双向长短期记忆网络(BLSTM)对分解后的客流数据进行预测.将LSTM、BLSTM、EMD-BLSTM等模型与文中所提CEEMDAN-BLSTM模型进行对比，验证了文中提所提模型的有效性和准确性.
-
单位北京城建设计发展集团股份有限公司
