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
1
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
考虑延误特征的航站楼离港聚集客流预测方法
被引量：
1
1
作者
李明捷
王涛
+2 位作者
黄欣宁
田杰
姚霖昊
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024年第3期240-254,共15页
为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波...
为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波动规律和分布特征,构建基于自适应噪声完全集合经验模态分解(CEEMDAN)、排列熵算法(PE)以及鲸鱼优化算法(WOA)优化的长短期记忆神经网络(LSTM)的短期航站楼聚集客流预测模型。首先,应用CEEMDAN将聚集客流数据序列分解为若干模态分量(Intrinsic Mode Function, IMF)和残差量(Residual, Res),降低原序列中数据的复杂性和非平稳性影响;其次,为减小模型计算规模,同时提高预测效率和精度,采用PE算法对IMF分量进行熵值重构;最后,建立WOA-LSTM聚集客流预测模型,利用鲸鱼优化算法优化LSTM超参数,叠加重构分量的预测结果,得到最终的聚集客流预测值。将模型应用于长三角某枢纽机场进行实例验证。结果表明:CEEMDAN-PE-WOA-LSTM预测模型性能最优,相较单一的LSTM模型,候机大厅聚集客流预测的均方根误差、平均绝对误差以及百分比误差分别降低42.78%、44.00%及45.62%;相较CEEMDAN-WOA-LSTM模型,预测效率提高41.64%。本文所提模型能够有效拟合存在显著非线性和非平稳性特征的候机大厅聚集客流,具有较高的预测精度和运算效率。
展开更多
关键词
航空运输
离港聚集客流预测
完全自适应噪声集合经验模态分解
长短期记忆神经网络
航站楼
客流
航班延误特征
在线阅读
下载PDF
职称材料
题名
考虑延误特征的航站楼离港聚集客流预测方法
被引量：
1
1
作者
李明捷
王涛
黄欣宁
田杰
姚霖昊
机构
中国民用航空飞行学院
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024年第3期240-254,共15页
基金
中央高校基本科研业务费专项资金(ZHMH2022-002)
四川省科技厅项目(2022YFG0196)。
文摘
为满足航班延误下航站楼内资源规划与旅客管理对聚集客流预测所提出的高精度和高效率要求,本文提出一种融合延误特征的离港聚集客流预测方法。通过引入航班延误特征量化表征航站楼离港聚集客流的波动情况,探究航班延误下离港聚集客流波动规律和分布特征,构建基于自适应噪声完全集合经验模态分解(CEEMDAN)、排列熵算法(PE)以及鲸鱼优化算法(WOA)优化的长短期记忆神经网络(LSTM)的短期航站楼聚集客流预测模型。首先,应用CEEMDAN将聚集客流数据序列分解为若干模态分量(Intrinsic Mode Function, IMF)和残差量(Residual, Res),降低原序列中数据的复杂性和非平稳性影响;其次,为减小模型计算规模,同时提高预测效率和精度,采用PE算法对IMF分量进行熵值重构;最后,建立WOA-LSTM聚集客流预测模型,利用鲸鱼优化算法优化LSTM超参数,叠加重构分量的预测结果,得到最终的聚集客流预测值。将模型应用于长三角某枢纽机场进行实例验证。结果表明:CEEMDAN-PE-WOA-LSTM预测模型性能最优,相较单一的LSTM模型,候机大厅聚集客流预测的均方根误差、平均绝对误差以及百分比误差分别降低42.78%、44.00%及45.62%;相较CEEMDAN-WOA-LSTM模型,预测效率提高41.64%。本文所提模型能够有效拟合存在显著非线性和非平稳性特征的候机大厅聚集客流,具有较高的预测精度和运算效率。
关键词
航空运输
离港聚集客流预测
完全自适应噪声集合经验模态分解
长短期记忆神经网络
航站楼
客流
航班延误特征
Keywords
air transportation
forecasts of departing aggregation passenger aggregation flow
complementary ensemble empirical mode decomposition with adaptive noise
long short-term memory neural network
terminal passenger flow
flight delay characteristics
分类号
U8 [交通运输工程]
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
考虑延误特征的航站楼离港聚集客流预测方法
李明捷
王涛
黄欣宁
田杰
姚霖昊
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024
1
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
