原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ComputerEngineeringandApplications计算机工程与应用2016，52（11）227
基于改进WNN的城市轨道交通客流量预测
岳小雪，郑云水，林俊亭
YUEXiaoxue,ZHENGYunshui,LINJunting
兰州交通大学自动化与电气工程学院，兰州730070
CollegeofAutomaticElectricalEngineering,LanzhouJiaotongUniversity,Lanzhou730070,China
YUEXiaoxue,ZHENGYunshui,LINJunting.Urbanrailtransitpassengerflowpredictionbasedonimproved
WNN.ComputerEngineeringandApplications,2016,52（11）：227-232.
Abstract：Aimingattheproblemofrailtransitpassengerflowshort-termforecasting,apredictionmodelofWaveletNeural
Network（WNN）optimizedbyBatAlgorithm（BA）basedonAdaptivetDistributionMutation（ATM-BA）isproposed.
TomaketheBAcanjumpoutoftheprematureconvergence,theadaptivetdistributionmutationwiththelineardecreas-
ingcontrolfactorisintroducedintotheBA.Andthen,theATM-BAandWNNarecombinedtomakeuseofthe
ATM-BAtodotheoptimizationoftheparameterconfigurationoftheWNNwhichcanimprovethepredictionaccuracyof
theWNN.ItutilizestheATM-BA-WNNmodeltoforecasttheshort-termpassengerflowoftheZhengzhouMetroLine1,
andcompareswiththeconventionalWNNpredictionmodel,WNNoptimizedbyBA（BA-WNN）predictionmodeland
SupportVectorMachine（SVM）predictionmodel.Thesimulationresultsshowthattheproposedmodelwhichhashigher
predictionaccuracy,betterfittingcapabilityandsmallererror,etcismorefeasibleandmoresuperiorbycomparedwith
otherthreemodels.
Keywords：short-termpassengerflow;batalgorithm;waveletneuralnetwork;parameteroptimization;short-termprediction
t
摘要：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
文档评论（0）