基于 CEEMDAN-IPSO-LSTM 的城市轨道交通短时 客流预测方法
简介：
消除客流数据随机噪声和确定神经网络超参数是城市轨道交通短时 客流预测组合模型需要解决的关键问题。基于弱化客流数据噪声的自适 应噪声完全集成经验模式分解算法（CEEMDAN）将客流时序数据分解 为若干个频率和复杂度均不同的固有模态函数分量和剩余分量后，利用 引入自适应策略的改进粒子群算法（IPSO）动态求解长短期记忆神经网 络（LSTM）超参数的最优值，以 Deep Learning Toolbox 为基本框架构建 CEEMDAN-IPSO-LSTM 组合模型预测城市轨道交通短时客流量。
