[发明专利]一种基于W-BiLSTM的轨道交通短时客流量预测方法在审
| 申请号： | 202110263386.5 | 申请日： | 2021-03-11 |
| 公开（公告）号： | CN113112050A | 公开（公告）日： | 2021-07-13 |
| 发明（设计）人： | 赵娜;崔婧;曹敏;张叶;聂永杰;刘斯扬;胡健;廖斌;胡昌斌;杨政;尹春林;魏龄;韩彤;肖华根 | 申请（专利权）人： | 云南电网有限责任公司电力科学研究院 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/26;G06N3/04 |
| 代理公司： | 北京弘权知识产权代理有限公司 11363 | 代理人： | 逯长明;许伟群 |
| 地址： | 650217 云南省昆*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 bilstm 轨道交通 客流量 预测 方法 | ||
1.一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，所述方法包括：
获取城市轨道交通客流量的时间序列历史数据作为样本数据；
对所述样本数据预处理，并归一化处理；
通过小波神经网络对所述样本数据进行小波分解和单支重构，得到训练数据和测试数据；
对BiLSTM神经网络模型初始化，设定所述BiLSTM神经网络模型的机构及超参数，输入所述训练数据构建并训练预测模型；
当达到期望误差或预设迭代次数时，选取最优BiLSTM神经网络模型；
通过所述最优BiLSTM神经网络模型对所述测试数据进行预测，得到预测值；
根据均方根误差和平均绝对百分比误差作为评价指标对所述预测值误差分析。
2.根据权利要求1所述的一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，所述预处理包括去除所述样本数据中的错误数据和冗余数据。
3.根据权利要求1所述的一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，所述小波神经网络选取母小波作为基函数和分解尺度，进行小波分解和单支重构。
4.根据权利要求1所述的一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，所述得到预测模型通过以均方差作为损失函数，网络训练采用Adam优化算法，对权重进行更新。
5.根据权利要求1所述的一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，所述预测模型包括：
轨道交通短时客流量数据输入层为所述训练数据和所述测试数据；
BiLSTM隐藏层结合向前的LSTM与向后的LSTM构成BiLSTM；
全连接层对结果进行降维，选取ReLU作为激活函数，对输出数据进行非线性映射；
输出层得到最终输出结果。
6.根据权利要求1所述的一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，得到所述预测值包括：
通过所述最优BiLSTM神经网络模型对所述测试数据进行预测；
将预测后的各个子序列叠加得到所述预测值。
7.根据权利要求1所述的一种基于W-BiLSTM的轨道交通短时客流量预测方法，其特征在于，所述均方根误差RMSE和所述平均绝对百分比误差MAPE作为评价指标，包括：
式中，yi代表实际值，代表预测值，n代表预测样本数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于云南电网有限责任公司电力科学研究院，未经云南电网有限责任公司电力科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110263386.5/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种拖曳线列阵阵形实时测量系统
- 下一篇：一种音频传输方法、耳机和基站
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
