摘要
本发明公开了一种基于人工智能的轨道交通多维特征客流预测方法及系统,属于信息处理技术领域;包括:S1、对地铁站点进行聚类分析;S2、采用改进的集成经验模态分解算法对客流时间序列进行分解;S3、子序列合并;S4、模型集成:针对不同子序列的特性,分别采用四种深度学习模型进行单独预测,并根据验证集上的评价指标选择最优模型的预测结果作为该子序列的最终预测值,通过叠加所有子序列的预测结果,重构得到整体的短时客流预测值;S5、外部特征嵌入:引入包括天气和节假日的外部特征,通过嵌入层将离散的类别型特征映射为高维稠密向量,与时间序列特征共同作为模型输入,提升预测模型对外部环境变化的敏感性。
技术关键词
客流预测方法
集成经验模态分解
客流预测系统
时间序列特征
深度学习模型
编码特征
站点
算法
公共设施
分布特征
信息处理技术
肘部法则
计算机程序产品
重构
集成模块
时序
编码器
天气
系统为您推荐了相关专利信息
网络流量识别方法
频域特征
时域特征
指纹
FFT算法
神经网络模型
训练神经网络
数据处理模块
积层
生理
表面缺陷检测系统
非暂态计算机可读存储介质
生成对抗网络模型
滤清器产品
样本
配电网设备状态
数据驱动模型
多模态
深度学习模型优化
数字孪生建模
有机电致发光器件
制冷联合系统
模拟模型
命令
电气元件