基于PSO-VMD-LSTM模型的城市轨道交通短期客流预测

打开文本图片集

摘要：为减少噪声对客流预测模型的干扰，采用粒子群优化（particle swarm optimization，PSO）算法确定变分模态分解（variational mode decomposition，VMD）的参数，通过PSO算法优化的VMD对原始客流序列进行降噪处理，将客流数据分解为不同时间尺度下的本征模态函数（intrinsic mode function，IMF）和余量；采用贝叶斯优化（Bayesian optimization，BO）算法确定长短期记忆（long short term memory，LSTM）神经网络的超参数，构建PSO-VMD-LSTM客流预测模型。（剩余13566字）