优化XGBoost模型在城轨站点短期客流预测的应用

本文提出一种基于训练数据集优化的Gridsearch-XGBoost模型,旨在通过Gridsearch方法自动调整XGBoost模型的参数,并结合特征筛选技术挑选合适的训练数据集,最终利用合适的训练数据集再次进行参数优化训练出最优的GridsearchXGBoost模型,结合杭海城际铁路某站点3个月的各时段客流数据进行预测,发现优化后的模型在RMSE、MAE以及MRE的表现上均明显优于常规XGBoost模型,RMSE达到8.10,MAE达到5.83,MRE达到0.079,模型预测精度达到92.1%。