《表1 各IMF分量的统计分析结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于EEMD-BP方法的城市轨道交通进站客流短期预测》
Fab.1 Statistical analysis results of each IMF
为识别与原始序列相关程度较高的分量,对各分量进行平均周期、Pearson相关系数、Kendall相关系数、方差占比4个指标的统计分析,各IMF分量的统计分析结果如表1所示。从周期上看,IMF1至IMF4都体现了进站客流的分时波动,其中IMF2和IMF3对应了一天之内的2个高峰,IMF4体现了半天的波动性,恰好在时间上将白天平峰与晚间高峰分隔开,而IMF5的波形与原始波形最为相似,体现了原始客流的日波动性;而IMF7的周期接近5,体现了一周工作日的波动性;IMF10的周期与原始客流时间范围一致,则体现整个采样时间的客流变化特征。从Pearson相关系数和Kendall相关系数看,IMF2和IMF3的周期虽然相同,但IMF3的相关系数更大,说明IMF3与原始序列的线性关系和一致性更高,因而IMF3对应的是傍晚的高峰。总体来看,IMF2至IMF5的相关系数与其他分量相比明显更大,说明这些分量与原始序列的波动一致性较高,且他们的方差占比总和为全部占比的97.8%,说明他们是原始序列变化趋势中的主导分量。根据相关系数的参考准则[10],选择分量IMF2至IMF5为高相关分量,其余分量为低相关分量。
图表编号 | XD00139290100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.15 |
作者 | 傅晨琳、黄敏、沙志仁 |
绘制单位 | 中山大学智能交通系统重点实验室、中山大学智能交通系统重点实验室、广东方纬科技有限公司研发中心 |
更多格式 | 高清、无水印(增值服务) |