科研之友
微信
新浪微博
Facebook
分享链接
摘要
地铁短时客流预测在单一模型中很难同时满足数据的线性、周期性等特征导致其预测结果较差.为了提高预测精度和泛化能力,提出鲸鱼优化算法(WOA)与极端梯度提升(XGBoost)组合的地铁客流分类预测模型.首先,融合自动检售票系统的多元数据,采用谱聚类和相关系数法将客流量按工作日分类.其次,构建组合模型对地铁短时客流进行优化预测,寻找全局最优结果,提高参数优化的效率;结果表明:组合模型的评价指标均明显降低且优于单一模型,说明组合模型具有良好的预测性.
-
单位中国科学院; 燕山大学
