文献

J-GLOBAL ID：201902228475729319   整理番号：19A1986562

データトリガ修正に基づく高速鉄道日常旅客量VMD-GA-BP予測方法【JST・京大機械翻訳】

A VMD-GA-BP Method for Predicting Non-Holiday Passenger Flow of High Speed Railway Based on Data Replacement Correction

著者 (5件)： Shi Feng (中南大学交通運輸工程学院,湖南長沙,410075) ,  Yang Xingqi (中南大学交通運輸工程学院,湖南長沙,410075) ,  Hu Xinlei (中南大学交通運輸工程学院,湖南長沙,410075) ,  Xu Guangming (中南大学交通運輸工程学院,湖南長沙,410075) ,  Wu Runfa (中南大学交通運輸工程学院,湖南長沙,410075)
資料名： Zhongguo Tiedao Kexue  (Zhongguo Tiedao Kexue)
巻： 40  号： 3  ページ： 129-136  発行年： 2019年 
JST資料番号： W1483A  ISSN： 1001-4632  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 高速鉄道の日常の旅客輸送量予測問題に対して、節の日要素の影響を取り除いたデータ修正法と融合変分モード分解(VMD)、遺伝的アルゴリズム(GA)とBPニューラルネットワークの日常客運量VMD-GA-BP予測方法を提出した。データ置換補正法は,日常の乗客輸送量の超常時変動判定閾値による節休日継続期間の識別であり,VMD-GA-BP予測法を用いて予測値を得て,この予測値を用いて節休日延期内の乗客量を置き換えた。VMD-GA-BP予測方法は,最初にVMDを用いて,データ列を分解し,異なる周波数のモード成分を得る。次に,初期重みと閾値のBPニューラルネットワークをGAによって最適化して,各々のモード成分を予測した。次に各モード成分の予測値を再構築し、予測値で節休日延期内の乗客量を入れ替え、修正データ列を獲得し、それによって高速鉄道の日常客運量を予測した。実例応用により、VMD-GA-BPの予測誤差はBP、EMD-GA-BP、SVR、EMD-BPなどの方法より遥かに低く、しかも修正データ序列に基づく予測誤差は原始データ序列より著しく低いことが分かった。VMD-GA-BP予測法の精度は高い。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 旅客輸送 ,  *予測技法 ,  変分法 ,  *高速鉄道 ,  休暇 ,  遺伝的アルゴリズム ,  *予測 ,  *乗客 ,  最適化 ,  予測誤差 ,  再構成 ,  継続時間
準シソーラス用語： 予測値 ,  補正法 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 線路構造,軌道材料  (RC07030B) ,  輸送と業務  (TC01030N)

タイトルに関連する用語 (4件)： トリガ ,  高速鉄道 ,  旅客 ,  予測方法