基于Stacking集成学习的机场线短时客流预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：地铁机场线客流具有高度时变性，受机场航班影响使得精准的短时客流预测具有挑战性。综合考虑机场航班信息和机场线路历史客流，构建了一种以随机森林（RF）、LightGBM （light gradient boosting machine）、梯度提升决策树（GBDT）和逻辑回归算法作为集成学习器，基于叠加（Stacking）集成模型的机场线路短时客流预测模型。（剩余12895字）

试读结束

目录
monitor