- 详情
- 2021-04-27
- 简介
pdf
- 546KB
- 页数 4P
- 阅读 95
- 下载 37
通过分析城市轨道交通日均客流及相关影响因素的变化特征,以多种因素作为数据集特征,采用梯度提升法和随机森林的混合模型对日均客流量进行预测。以北京地铁客流数据作为研究对象,对模型进行了试验。试验结果表明,基于梯度提升和随机森林的混合模型相较于常规ARIMA模型和随机森林模型具有更好的适应性,在常态和特殊情况下均能取得可接受的预测效果。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于梯度提升的城市轨道交通客流量预测分析 546KB
基于改进WNN的城市轨道交通客流量预测 454KB
基于ARMA模型的城市轨道交通客流量预测 1.2MB
基于SVR的轨道交通客流量预测 261KB
基于时空特征的城市轨道交通客流量预测方法 10.4MB
基于GSO-BP神经网络的城市轨道交通客流量短时间预测 328KB
城市轨道交通PPP预测客流量的分析与修正 147KB
城市轨道交通客流量预测的信度模型及其应用 260KB
基于时序特征的城市轨道交通客流预测 418KB
基于ArcGIS的城市轨道交通客流预测 443KB