基于双层次正交神经网络模型的铁路客运量预测

Jianxiong WANG,Chunhuang LIU,Xinghua SHAN,Jiansheng ZHU

Zhongguo Tiedao Kexue/China Railway Science（2010）

引用 4|浏览2

暂无评分

摘要

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进.在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型.该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果.模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效.

查看译文

关键词

Bi-level orthogonalization,Neural network model,Railway passenger traffic volume,Traffic volume prediction

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要