高速鐵路車站是高速鐵路網(wǎng)絡的傳輸樞紐和運轉(zhuǎn)節(jié)點,其通過能力通常是高速鐵路網(wǎng)絡整體能力的瓶頸點。諸多文獻計算的高速車站通過能力是理論值,對車站日常的生產(chǎn)運營工作起不到指導作用,故而將求解車站通過能力數(shù)值的問題轉(zhuǎn)換為判斷車站未來客流需求與車站提供的通過能力是否匹配問題,進而提出相應的能力提高方案,此對于車站的運營組織工作具有重要意義。本文在借鑒相關理論研究的基礎上,將求解高速鐵路車站通過能力值問題轉(zhuǎn)換為能力適應性匹配分析。高速鐵路車站通過能力適應性問題是對車站未來客流下能力狀況的判斷,基于這個理念,需要知道車站未來的客流情況,以未來的客流變化情況判斷車站能力是否滿足運輸需求,為此,分別建立了客流預測模型和高速鐵路車站通過能力適應性模型來研究此問題。對于客流預測,提出了“月度客流發(fā)送量”的概念,建立了高速鐵路車站客流發(fā)送量預測模型,包括以BP神經(jīng)網(wǎng)絡、ELM構(gòu)建的基準模型以及基準模型結(jié)合EMD算法、VMD算法的組合預測模型。以蘭州西客運站銜接各個方向的客流發(fā)送量數(shù)據(jù)為原始數(shù)據(jù)信號,根據(jù)預測效果評估指標,VMD-BP神經(jīng)網(wǎng)絡組合預測模型預測精度最高,該站銜接的蘭新客運專線、普速線、中川城際線、... 

【文章來源】：蘭州交通大學甘肅省

【文章頁數(shù)】：99 頁

【學位級別】：碩士

【部分圖文】：

蘭新客運專線基準模型預測對比圖

蘭州交通大學碩士學位論文-27-圖3.4蘭新客運專線客流發(fā)送量VMD分解結(jié)果蘭新客運專線客流發(fā)送量作為原始數(shù)據(jù)信號通過EMD和VMD分解算法處理后，分別與BP神經(jīng)網(wǎng)絡和ELM模型相結(jié)合，分別形成4個組合預測模型。其中經(jīng)過VMD分解算法，與BP神經(jīng)網(wǎng)絡結(jié)合，BP神經(jīng)網(wǎng)絡的輸入層神經(jīng)元個數(shù)為4，隱含層個數(shù)為11，輸出層個數(shù)為1，VMD-BP神經(jīng)網(wǎng)絡組合預測模型中的BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)如圖3.5所示[25]。VMD-BP神經(jīng)網(wǎng)絡組合預測模型核心代碼如附錄B所示。圖3.5VMD-BP模型中BP神經(jīng)網(wǎng)絡結(jié)構(gòu)圖蘭州西客運站銜接四線的客流發(fā)送量數(shù)據(jù)分別經(jīng)EMD和VMD分解算法處理后，與BP神經(jīng)網(wǎng)絡、ELM基準模型相結(jié)合形成的組合預測模型的預測效果與真實數(shù)據(jù)的1211x1輸入層（4）隱含層（11）輸出層（1）x4.........y

高速鐵路車站通過能力適應性分析及能力提高方案研究-28-對比如圖3.6所示[25]。各線預測數(shù)據(jù)與真實數(shù)據(jù)對比如附錄C所示。（a）蘭新客運專線（b）普速線（c）中川城際線（d）徐蘭客運專線圖3.6蘭州西客運站銜接各線組合模型預測結(jié)果對比圖基準預測模型與組合預測模型預測蘭州西客運站銜接各線的客流發(fā)送量各項評估指標對比如表3.2所示[25]。表3.2蘭州西客運站銜接各線客流發(fā)送量各項評估指標對比表預測模型BP神經(jīng)網(wǎng)絡ELMEMD-ELMEMD-BP神經(jīng)網(wǎng)絡VMD-ELMVMD-BP神經(jīng)網(wǎng)絡蘭新線MAPE(%)11.25810.4036.1724.0223.2913.230RMSE1151.6331089.616593.243380.558294.592292.593MAE858.241790.086447.89293.951244.097240.526普速線MAPE(%)8.1728.0623.6213.4253.3893.241RMSE131.292130.24056.88753.98453.38050.919MAE107.369104.46647.93245.62943.67241.689


本文編號：2975931