基于BOA-LSTM模型的地铁站客流预测

打开文本图片集

摘要：针对地铁站客流预测方法单一、预测准确度较低等问题，基于贝叶斯优化算法（Bayesian optimization algorithm，BOA）的全局寻优能力，寻找长短时记忆（long short time memory，LSTM）神经网络的最优超参数，提出BOA-LSTM客流预测模型。以石家庄地铁1号线北国商城站为例，根据该站客流特征分别采用自回归移动平均（autoregressive integrated moving average，ARIMA）模型、LSTM神经网络和BOA-LSTM模型预测2021年7、8月工作日与自然日的进、出站客流。（剩余11384字）