摘要
以高速铁路泰安站到达客流为研究对象,从客流数据的时频特性角度分析客流的特征,并结合经验模态分解法的时频分析优势以及遗传算法优化的神经网络的拟合能力,探索可行组合预测算法,以泰安站到达客流数据为例进行了实例分析,比较不同的IMF分量重构方法并确定了较优方案。
This article analyzed the passenger fl ow time and frequency characteristic of Tai＇an Station, explored a feasible combination forecasting algorithm combining with EEMD and GA-BP Algorithms, taken the travelers of Tai＇an Station as example to analyze and compare different reconstruction methods of IMFs, determine the optimal one.
出处
《铁路计算机应用》
2016年第3期31-33,41,共4页
Railway Computer Application
基金
国家自然科学基金(U1334201)
关键词
经验模态分解
遗传算法
BP神经网络
统计
Empirical Mode Decomposition（EMD）
Genetic Algorithm
Back Propagation（BP） neural network
statistics
