[發(fā)明專利]一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110263386.5
• 申請日: 2021-03-11
• 公開（公告）號: CN113112050A
• 公開（公告）日: 2021-07-13
• 發(fā)明（設(shè)計）人: 趙娜;崔婧;曹敏;張葉;聶永杰;劉斯揚;胡健;廖斌;胡昌斌;楊政;尹春林;魏齡;韓彤;肖華根
• 申請（專利權(quán)）人: 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 北京弘權(quán)知識產(chǎn)權(quán)代理有限公司 11363
• 代理人: 逯長明;許偉群

1.一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，所述方法包括：

獲取城市軌道交通客流量的時間序列歷史數(shù)據(jù)作為樣本數(shù)據(jù)；

對所述樣本數(shù)據(jù)預(yù)處理，并歸一化處理；

通過小波神經(jīng)網(wǎng)絡(luò)對所述樣本數(shù)據(jù)進行小波分解和單支重構(gòu)，得到訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)；

對BiLSTM神經(jīng)網(wǎng)絡(luò)模型初始化，設(shè)定所述BiLSTM神經(jīng)網(wǎng)絡(luò)模型的機構(gòu)及超參數(shù)，輸入所述訓(xùn)練數(shù)據(jù)構(gòu)建并訓(xùn)練預(yù)測模型；

當(dāng)達到期望誤差或預(yù)設(shè)迭代次數(shù)時，選取最優(yōu)BiLSTM神經(jīng)網(wǎng)絡(luò)模型；

通過所述最優(yōu)BiLSTM神經(jīng)網(wǎng)絡(luò)模型對所述測試數(shù)據(jù)進行預(yù)測，得到預(yù)測值；

根據(jù)均方根誤差和平均絕對百分比誤差作為評價指標(biāo)對所述預(yù)測值誤差分析。

2.根據(jù)權(quán)利要求1所述的一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，所述預(yù)處理包括去除所述樣本數(shù)據(jù)中的錯誤數(shù)據(jù)和冗余數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，所述小波神經(jīng)網(wǎng)絡(luò)選取母小波作為基函數(shù)和分解尺度，進行小波分解和單支重構(gòu)。

4.根據(jù)權(quán)利要求1所述的一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，所述得到預(yù)測模型通過以均方差作為損失函數(shù)，網(wǎng)絡(luò)訓(xùn)練采用Adam優(yōu)化算法，對權(quán)重進行更新。

5.根據(jù)權(quán)利要求1所述的一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，所述預(yù)測模型包括：

軌道交通短時客流量數(shù)據(jù)輸入層為所述訓(xùn)練數(shù)據(jù)和所述測試數(shù)據(jù)；

BiLSTM隱藏層結(jié)合向前的LSTM與向后的LSTM構(gòu)成BiLSTM；

全連接層對結(jié)果進行降維，選取ReLU作為激活函數(shù)，對輸出數(shù)據(jù)進行非線性映射；

輸出層得到最終輸出結(jié)果。

6.根據(jù)權(quán)利要求1所述的一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，得到所述預(yù)測值包括：

通過所述最優(yōu)BiLSTM神經(jīng)網(wǎng)絡(luò)模型對所述測試數(shù)據(jù)進行預(yù)測；

將預(yù)測后的各個子序列疊加得到所述預(yù)測值。

7.根據(jù)權(quán)利要求1所述的一種基于W-BiLSTM的軌道交通短時客流量預(yù)測方法，其特征在于，所述均方根誤差RMSE和所述平均絕對百分比誤差MAPE作為評價指標(biāo)，包括：

式中，y_i代表實際值，代表預(yù)測值，n代表預(yù)測樣本數(shù)。