论文部分内容阅读
基于精确的铁路客运量预测对于国家和企业的规划管理非常重要,为提高预测的精度,提出改进粒子群算法(IPSO)和将粒子群算法(PSO)与长短时记忆神经网络相结合的预测模型(IPSO-LSTM)。LSTM与传统的全连接神经网络不同,其避免梯度消失,具有记忆过去信息的能力。由于LSTM的神经元数量、学习率和迭代次数难以确定,利用IPSO对这些参数进行优化。提出利用非线性惯性权重变化来提高PSO的全局寻优能力和收敛速度。将相关性分析得到的铁路营业里程、国家铁路客车拥有量、国内生产总值和年末总人口作为铁路客运量的影响