精品文献
预测客流量
基于改进WNN的城市轨道交通客流量预测
针对城市轨道交通短时客流量预测问题,提出了一种基于自适应t分布变异的蝙蝠算法（ATM-BA）优化的小波神经网络（WNN）预测模型（ATM-BA-WNN）。在基本蝙蝠算法（BA）中引入带有线性递减控制因子的自适应t分布变异,使其具有变异机制,能够跳出早熟收敛。并将ATM-BA与WNN两者相互耦合,利用ATM-BA优化WNN的参数配置,进而提高WNN的预测精度。运用ATM-BA-WNN模型对郑州地铁1号线短时客流量进行预测,并与传统的WNN预测模型、BA优化的WNN（BA-WNN）预测模型以及支持向量机（SVM）预测模型进行比较。仿真结果表明,相较于其他3种模型,所建预测模型预测精度最高,拟合能力更强,误差最小,从而证明了该模型在短时客流量预测领域的可行性及优越性。
基于SVR的轨道交通客流量预测
基于SVR的轨道交通客流量预测
对各种城市轨道交通客流预测方法进行分析和比较,指出进行短期城轨客流预测的必要性。支持向量回归方法作为以结构风险最小化原理为理论基础的学习算法,可应用于轨道交通客流量预测。构建了城市轨道交通客流的预测模型,与BP神经网络预测方法进行了比照试验。