高速鐵路車站通過(guò)能力適應(yīng)性分析及能力提高方案研究
發(fā)布時(shí)間:2021-01-14 01:27
高速鐵路車站是高速鐵路網(wǎng)絡(luò)的傳輸樞紐和運(yùn)轉(zhuǎn)節(jié)點(diǎn),其通過(guò)能力通常是高速鐵路網(wǎng)絡(luò)整體能力的瓶頸點(diǎn)。諸多文獻(xiàn)計(jì)算的高速車站通過(guò)能力是理論值,對(duì)車站日常的生產(chǎn)運(yùn)營(yíng)工作起不到指導(dǎo)作用,故而將求解車站通過(guò)能力數(shù)值的問(wèn)題轉(zhuǎn)換為判斷車站未來(lái)客流需求與車站提供的通過(guò)能力是否匹配問(wèn)題,進(jìn)而提出相應(yīng)的能力提高方案,此對(duì)于車站的運(yùn)營(yíng)組織工作具有重要意義。本文在借鑒相關(guān)理論研究的基礎(chǔ)上,將求解高速鐵路車站通過(guò)能力值問(wèn)題轉(zhuǎn)換為能力適應(yīng)性匹配分析。高速鐵路車站通過(guò)能力適應(yīng)性問(wèn)題是對(duì)車站未來(lái)客流下能力狀況的判斷,基于這個(gè)理念,需要知道車站未來(lái)的客流情況,以未來(lái)的客流變化情況判斷車站能力是否滿足運(yùn)輸需求,為此,分別建立了客流預(yù)測(cè)模型和高速鐵路車站通過(guò)能力適應(yīng)性模型來(lái)研究此問(wèn)題。對(duì)于客流預(yù)測(cè),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(yù)測(cè)模型,包括以BP神經(jīng)網(wǎng)絡(luò)、ELM構(gòu)建的基準(zhǔn)模型以及基準(zhǔn)模型結(jié)合EMD算法、VMD算法的組合預(yù)測(cè)模型。以蘭州西客運(yùn)站銜接各個(gè)方向的客流發(fā)送量數(shù)據(jù)為原始數(shù)據(jù)信號(hào),根據(jù)預(yù)測(cè)效果評(píng)估指標(biāo),VMD-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型預(yù)測(cè)精度最高,該站銜接的蘭新客運(yùn)專線、普速線、中川城際線、...
【文章來(lái)源】:蘭州交通大學(xué)甘肅省
【文章頁(yè)數(shù)】:99 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
蘭新客運(yùn)專線基準(zhǔn)模型預(yù)測(cè)對(duì)比圖
蘭州交通大學(xué)碩士學(xué)位論文-27-圖3.4蘭新客運(yùn)專線客流發(fā)送量VMD分解結(jié)果蘭新客運(yùn)專線客流發(fā)送量作為原始數(shù)據(jù)信號(hào)通過(guò)EMD和VMD分解算法處理后,分別與BP神經(jīng)網(wǎng)絡(luò)和ELM模型相結(jié)合,分別形成4個(gè)組合預(yù)測(cè)模型。其中經(jīng)過(guò)VMD分解算法,與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為4,隱含層個(gè)數(shù)為11,輸出層個(gè)數(shù)為1,VMD-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型中的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖3.5所示[25]。VMD-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)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(luò)結(jié)構(gòu)圖蘭州西客運(yùn)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(luò)、ELM基準(zhǔn)模型相結(jié)合形成的組合預(yù)測(cè)模型的預(yù)測(cè)效果與真實(shí)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(guò)能力適應(yīng)性分析及能力提高方案研究-28-對(duì)比如圖3.6所示[25]。各線預(yù)測(cè)數(shù)據(jù)與真實(shí)數(shù)據(jù)對(duì)比如附錄C所示。(a)蘭新客運(yùn)專線(b)普速線(c)中川城際線(d)徐蘭客運(yùn)專線圖3.6蘭州西客運(yùn)站銜接各線組合模型預(yù)測(cè)結(jié)果對(duì)比圖基準(zhǔn)預(yù)測(cè)模型與組合預(yù)測(cè)模型預(yù)測(cè)蘭州西客運(yùn)站銜接各線的客流發(fā)送量各項(xiàng)評(píng)估指標(biāo)對(duì)比如表3.2所示[25]。表3.2蘭州西客運(yùn)站銜接各線客流發(fā)送量各項(xiàng)評(píng)估指標(biāo)對(duì)比表預(yù)測(cè)模型BP神經(jīng)網(wǎng)絡(luò)ELMEMD-ELMEMD-BP神經(jīng)網(wǎng)絡(luò)VMD-ELMVMD-BP神經(jīng)網(wǎng)絡(luò)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(hào):2975931
【文章來(lái)源】:蘭州交通大學(xué)甘肅省
【文章頁(yè)數(shù)】:99 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
蘭新客運(yùn)專線基準(zhǔn)模型預(yù)測(cè)對(duì)比圖
蘭州交通大學(xué)碩士學(xué)位論文-27-圖3.4蘭新客運(yùn)專線客流發(fā)送量VMD分解結(jié)果蘭新客運(yùn)專線客流發(fā)送量作為原始數(shù)據(jù)信號(hào)通過(guò)EMD和VMD分解算法處理后,分別與BP神經(jīng)網(wǎng)絡(luò)和ELM模型相結(jié)合,分別形成4個(gè)組合預(yù)測(cè)模型。其中經(jīng)過(guò)VMD分解算法,與BP神經(jīng)網(wǎng)絡(luò)結(jié)合,BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為4,隱含層個(gè)數(shù)為11,輸出層個(gè)數(shù)為1,VMD-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型中的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖3.5所示[25]。VMD-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)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(luò)結(jié)構(gòu)圖蘭州西客運(yùn)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(luò)、ELM基準(zhǔn)模型相結(jié)合形成的組合預(yù)測(cè)模型的預(yù)測(cè)效果與真實(shí)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(guò)能力適應(yīng)性分析及能力提高方案研究-28-對(duì)比如圖3.6所示[25]。各線預(yù)測(cè)數(shù)據(jù)與真實(shí)數(shù)據(jù)對(duì)比如附錄C所示。(a)蘭新客運(yùn)專線(b)普速線(c)中川城際線(d)徐蘭客運(yùn)專線圖3.6蘭州西客運(yùn)站銜接各線組合模型預(yù)測(cè)結(jié)果對(duì)比圖基準(zhǔn)預(yù)測(cè)模型與組合預(yù)測(cè)模型預(yù)測(cè)蘭州西客運(yùn)站銜接各線的客流發(fā)送量各項(xiàng)評(píng)估指標(biāo)對(duì)比如表3.2所示[25]。表3.2蘭州西客運(yùn)站銜接各線客流發(fā)送量各項(xiàng)評(píng)估指標(biāo)對(duì)比表預(yù)測(cè)模型BP神經(jīng)網(wǎng)絡(luò)ELMEMD-ELMEMD-BP神經(jīng)網(wǎng)絡(luò)VMD-ELMVMD-BP神經(jīng)網(wǎng)絡(luò)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(hào):2975931
本文鏈接:http://www.sikaile.net/kejilunwen/daoluqiaoliang/2975931.html
最近更新
教材專著