基于BOA-LSTM模型的地鐵站客流預(yù)測

打開文本圖片集

摘要：針對地鐵站客流預(yù)測方法單一、預(yù)測準確度較低等問題，基于貝葉斯優(yōu)化算法（Bayesian optimization algorithm，BOA）的全局尋優(yōu)能力，尋找長短時記憶（long short time memory，LSTM）神經(jīng)網(wǎng)絡(luò)的最優(yōu)超參數(shù)，提出BOA-LSTM客流預(yù)測模型。以石家莊地鐵1號線北國商城站為例，根據(jù)該站客流特征分別采用自回歸移動平均（autoregressive integrated moving average，ARIMA）模型、LSTM神經(jīng)網(wǎng)絡(luò)和BOA-LSTM模型預(yù)測2021年7、8月工作日與自然日的進、出站客流。（剩余11384字）