基于PSO-VMD-LSTM模型的城市轨道交通短期客流预测

作者：张婉凝; 郑明明^*; 刘岩

来源：山东交通学院学报, 2023, 31(04): 43-50.

• 客流预测
• PSO算法
• VMD
• BO算法
• LSTM神经网络

为减少噪声对客流预测模型的干扰，采用粒子群优化(particle swarm optimization, PSO)算法确定变分模态分解(variational mode decomposition, VMD)的参数，通过PSO算法优化的VMD对原始客流序列进行降噪处理，将客流数据分解为不同时间尺度下的本征模态函数(intrinsic mode function, IMF)和余量；采用贝叶斯优化(Bayesian optimization, BO)算法确定长短期记忆(long short term memory, LSTM)神经网络的超参数，构建PSO-VMD-LSTM客流预测模型。以重庆轨道交通1号线沙坪坝站客流数据为例，验证模型的预测准确度。结果表明：PSO-VMD-LSTM模型的均方根误差比反向传播(back propagation, BP)神经网络、径向基函数(radial basis function, RBF)神经网络、LSTM神经网络分别降低268.03、204.41、221.66,平均绝对百分误差分别降低13.16%、10.21%、11.06%。PSO-VMD-LSTM模型对轨道交通短期客流预测具有较高的适用性和预测准确度。

• 单位
  大连交通大学