《表2 各组实验的BP神经网络训练的关键参数》

  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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Fab.2 Parameters of BP neural network in each group of experiments

选用单隐含层结构神经网络建立预测模型。为提高预测精度，预测前对数据进行异常值剔除，剔除原始序列中受灯光节影响导致客流异常的3 d，将原数据分为训练集和测试集，其中训练集为前32 d的数据，按8:2划分训练集和验证集，最后3 d为测试集。将每天的时间序列样本划分为4个时段，分别是（06:00，12:00]，(12:00，17:00]，(17:00，20:00]，(22:00，23:45]。训练过程中，样本以15 min为间隔，以6为滚动单位，即取前6个连续样本为基础训练预测下一个样本(以6:00—7:30为输入预测7:45数据，再以6:15—7:45为输入预测8:00的数据）。参数设置经过尝试，隐藏层激活函数为elu，输出层激活函数为linear，损失函数采用mae。按照实验方案的设计，输入节点个数基于滚动单位，IMF分量及每日划分时段，隐含层节点数选择误差最小的最优数，各组实验的BP神经网络训练的关键参数如表2所示。