基于数据替补修正的高速铁路日常客运量VMD-GA-BP预测方法

摘要

针对高速铁路日常客运量预测问题,提出消除节假日因素影响的数据替补修正法和融合变分模态分解(VMD)、遗传算法(GA)和BP神经网络的日常客运量VMD-GA-BP预测方法.数据替补修正法是根据日常客运量超常波动判定阈值识别节假日延续期,采用VMD-GA-BP预测方法得到预测值,用该预测值替换节假日延续期内的客运量.VMD-GA-BP预测方法首先采用VMD对被替换数据之前的数据序列进行分解,得到不同频率的模态分量;其次通过GA优化初始权值和阈值的BP神经网络对各模态分量分别预测;然后重构各模态分量的预测值,用预测值替换节假日延续期内的客运量,得到修正数据序列,据此预测得到高速铁路日常客运量.实例应用表明,VMD-GA-BP的预测误差远低于BP,EMD-GA-BP,SVR,EMD-BP等方法,且基于修正数据序列的预测误差明显低于基于原始数据序列.可见,VMD-GA-BP预测方法精度较高.