首页 > 期刊 > 自然科学与工程技术 > 工程科技II > 铁路运输 > 都市快轨交通 > UKF地铁短时客流预测研究 【正文】
摘要:为获得较为可靠的地铁车站实时客流,提出基于神经网络与无迹变换卡尔曼滤波(UKF)结合的信息融合预测方法。首先利用各站点间进出客流时空相关性,在运行时间约束下组织预测向量,以BP神经网络为函数表达给出目标站点客流的初步预测值。在此基础上,利用无迹变换卡尔曼滤波解决神经网络过学习造成的误差,以提高预测结果精度。最后选取实例验证算法的准确性,结果表明,该改进算法可有效提高预测精度,满足运营需求。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社