-
题名基于双向LSTM的民航客运量预测
被引量：3
- 1
-
-
作者
甘国育
游进国
张婷
-
机构
昆明理工大学信息工程与自动化学院
云南省人工智能重点实验室
焦作大学信息工程学院
-
出处
《现代电子技术》
2022年第14期175-180,共6页
-
基金
国家自然科学基金项目(62062046)
企业合作项目基金(649320190106)。
-
文摘
传统的基于时间序列的民航客运量预测方法难以解决序列中非线性、非平稳性关系以及多维度问题,预测准确性较低。针对此问题,文中提出一种基于双向长短期记忆网络的客运量预测模型(PVPM_BiLSTM)。该模型利用两层双向长短期记忆网络捕获客运量序列正序和逆序的时间依赖,从而有效地解决客运量序列存在的非线性、非平稳性关系。首先,对民航公司提供的民航数据进行处理,包括删除重复值、填补缺失值和构建“日”粒度的客运量时间序列数据等;然后,基于训练样本对模型进行训练;最后,基于测试集,对已训练的模型进行实验分析。结果表明,PVPM_BiLSTM在RMSE和MAE评价指标上优于门控循环单元、一维卷积神经网络和时间卷积网络等基准模型,模型预测的准确性较高,具有可行性。
-
关键词
客运量预测
时间序列
非线性
双向长短期记忆网络
门控循环单元
一维卷积神经网络
时间卷积网络
-
Keywords
passenger volume prediction
time series
nonlinear
bidirectional long and short-term memory network
gated recurrent unit
one-dimensional convolutional neural network
temporal convolutional network
-
分类号
TN919-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合1D-CNN和LSTM的民航客运量预测模型
被引量：3
- 2
-
-
作者
甘国育
游进国
段培娟
-
机构
昆明理工大学信息工程与自动化学院
云南财经大学信息管理中心
-
出处
《信息技术》
2022年第3期6-11,共6页
-
基金
国家自然科学基金(62062046)
企业合作项目基金(649320190106)。
-
文摘
在民航客运领域,准确地预测航线每日的客运量对民航公司具有重要的指导意义。循环神经网络能较好地预测民航的客运量,但在准确率,尤其是时间效率方面仍需提高。因此,提出一种融合一维卷积神经网络和长短期记忆网络的客运量预测模型,利用一维卷积神经网络计算代价小和可以识别序列局部模式的特性以及长短期记忆网络可以捕获客运量序列的时间依赖特性,对客运量进行预测。实验结果表明,所提模型在RMSE和MAE评价指标上均优于门控循环单元、时间卷积网络等基准模型,且在效率方面也较具优势。
-
关键词
时间序列
客运量预测
一维卷积神经网络
长短期记忆网络
-
Keywords
time series
passenger volume forecast
one-dimensional convolutional neural network
long and short-term memory network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
