本文主要研究内容
作者侯晨煜,孙晖,周艺芳,曹斌,范菁（2019）在《基于神经网络的地铁短时客流预测服务》一文中研究指出：短时客流预测在为人类构建智慧城市,提供风险预警,保证出行安全中扮演着重要的角色.本文在神经网络算法的基础上,结合卡尔曼滤波,提出了一种新型有效的地铁客流短时预测算法.对于要预测的时刻t,算法利用它之前24小时的客流量作为输入特征.由于实验数据存在噪声,本文利用卡尔曼滤波对实验数据进行去躁平滑处理.最后算法利用BP神经网络和LSTM递归神经网络进行建模与预测.我们利用杭州地铁提供的真实购票数据进行大量实验,证明了BP神经网络(基于adam算法和relu激活函数)以及LSTM递归神经网络(基于adam算法和tanh激活函数的)准确度最高,预测的平均绝对误差最小(5%左右).另外,实验还证明了卡尔曼滤波能够有效减少预测的平均绝对误差.相比于不使用卡尔曼滤波的神经网络,使用卡尔曼滤波后的神经网络算法可以降低相对25%的MAE.
Abstract
duan shi ke liu yu ce zai wei ren lei gou jian zhi hui cheng shi ,di gong feng xian yu jing ,bao zheng chu hang an quan zhong ban yan zhao chong yao de jiao se .ben wen zai shen jing wang lao suan fa de ji chu shang ,jie ge ka er man lv bo ,di chu le yi chong xin xing you xiao de de tie ke liu duan shi yu ce suan fa .dui yu yao yu ce de shi ke t,suan fa li yong ta zhi qian 24xiao shi de ke liu liang zuo wei shu ru te zheng .you yu shi yan shu ju cun zai zao sheng ,ben wen li yong ka er man lv bo dui shi yan shu ju jin hang qu zao ping hua chu li .zui hou suan fa li yong BPshen jing wang lao he LSTMdi gui shen jing wang lao jin hang jian mo yu yu ce .wo men li yong hang zhou de tie di gong de zhen shi gou piao shu ju jin hang da liang shi yan ,zheng ming le BPshen jing wang lao (ji yu adamsuan fa he reluji huo han shu )yi ji LSTMdi gui shen jing wang lao (ji yu adamsuan fa he tanhji huo han shu de )zhun que du zui gao ,yu ce de ping jun jue dui wu cha zui xiao (5%zuo you ).ling wai ,shi yan hai zheng ming le ka er man lv bo neng gou you xiao jian shao yu ce de ping jun jue dui wu cha .xiang bi yu bu shi yong ka er man lv bo de shen jing wang lao ,shi yong ka er man lv bo hou de shen jing wang lao suan fa ke yi jiang di xiang dui 25%de MAE.
论文参考文献
论文详细介绍
论文作者分别是来自小型微型计算机系统的侯晨煜,孙晖,周艺芳,曹斌,范菁，发表于刊物小型微型计算机系统2019年01期论文，是一篇关于地铁客流论文,短时预测论文,神经网络论文,递归神经网络论文,卡尔曼滤波论文,小型微型计算机系统2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自小型微型计算机系统2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：地铁客流论文; 短时预测论文; 神经网络论文; 递归神经网络论文; 卡尔曼滤波论文; 小型微型计算机系统2019年01期论文;