期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GMM聚类的AM-BiLSTM机场安检旅客流量预测
被引量：
1
1
作者
李国
钱梦飞
《传感器与微系统》
CSCD
北大核心
2024年第9期11-14,18,共5页
针对现有安检旅客流量预测研究大多为正常情况下的预测,未考虑异常突发情况下安检旅客流量的变化趋势,提出一种基于高斯混合模型(GMM)聚类的融合注意力机制的多变量双向长短期记忆(AM-BiLSTM)机场安检旅客流量预测模型。首先,利用GMM聚...
针对现有安检旅客流量预测研究大多为正常情况下的预测,未考虑异常突发情况下安检旅客流量的变化趋势,提出一种基于高斯混合模型(GMM)聚类的融合注意力机制的多变量双向长短期记忆(AM-BiLSTM)机场安检旅客流量预测模型。首先,利用GMM聚类算法对原始数据集使用日期特征和延误特征分别进行聚类分析,根据聚类所得的不同日安检旅客流量场景构建不同的AM-BiLSTM旅客流量预测模型。实验结果表明:与现有多种预测方法相比,该方法在不同场景下均能准确预测各时段的安检旅客流量。
展开更多
关键词
安检旅客流量
高斯混合模型聚类
长短期记忆网络
在线阅读
下载PDF
职称材料
基于时间序列分析的航站楼安检旅客流量预测
被引量：
11
2
作者
冯霞
赵立强
《计算机工程与设计》
北大核心
2020年第4期1181-1187,共7页
对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(G...
对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。
展开更多
关键词
安检旅客流量
相空间重构
Wolf方法
遗传算法优化BP神经网络预测方法
混沌时间序列
时间尺度
在线阅读
下载PDF
职称材料
题名
基于GMM聚类的AM-BiLSTM机场安检旅客流量预测
被引量：
1
1
作者
李国
钱梦飞
机构
中国民航大学计算机科学与技术学院
出处
《传感器与微系统》
CSCD
北大核心
2024年第9期11-14,18,共5页
基金
国家自然科学基金民航联合基金重点资助项目(U2033205)。
文摘
针对现有安检旅客流量预测研究大多为正常情况下的预测,未考虑异常突发情况下安检旅客流量的变化趋势,提出一种基于高斯混合模型(GMM)聚类的融合注意力机制的多变量双向长短期记忆(AM-BiLSTM)机场安检旅客流量预测模型。首先,利用GMM聚类算法对原始数据集使用日期特征和延误特征分别进行聚类分析,根据聚类所得的不同日安检旅客流量场景构建不同的AM-BiLSTM旅客流量预测模型。实验结果表明:与现有多种预测方法相比,该方法在不同场景下均能准确预测各时段的安检旅客流量。
关键词
安检旅客流量
高斯混合模型聚类
长短期记忆网络
Keywords
security check passenger flow
GMM clustering
LSTM network
分类号
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于时间序列分析的航站楼安检旅客流量预测
被引量：
11
2
作者
冯霞
赵立强
机构
中国民航大学计算机科学与技术学院
中国民航大学中国民航信息技术科研基地
出处
《计算机工程与设计》
北大核心
2020年第4期1181-1187,共7页
基金
国家自然科学基金项目(61502499)
中国民航科技创新引导资金项目重大专项基金项目(MHRD20140105)
中央高校科研业务费专项资金基金项目(3122015D015)。
文摘
对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。
关键词
安检旅客流量
相空间重构
Wolf方法
遗传算法优化BP神经网络预测方法
混沌时间序列
时间尺度
Keywords
security check passenger flow
phase space reconstruction
Wolf method
GABP
chaotic time series
time scale
分类号
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GMM聚类的AM-BiLSTM机场安检旅客流量预测
李国
钱梦飞
《传感器与微系统》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于时间序列分析的航站楼安检旅客流量预测
冯霞
赵立强
《计算机工程与设计》
北大核心
2020
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
