期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Prophet-LSTM组合模型在运输航空征候预测中的应用
1
作者
杜红兵
邢梦柯
赵德超
《安全与环境学报》
CAS
CSCD
北大核心
2024年第5期1878-1885,共8页
为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分...
为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。
展开更多
关键词
安全社会工程
运输航空征候
Prophet模型
长短期记忆网络(LSTM)模型
组合预测模型
下载PDF
职称材料
结伴行为对航站楼出发厅旅客疏散的影响
2
作者
杜红兵
赵德超
邢梦柯
《滨州学院学报》
2023年第4期29-35,共7页
为探究结伴行为对旅客疏散的影响,提出了一种基于AnyLogic的系统仿真框架,分别建立了航站楼出发厅物理环境模型、旅客初始分布仿真模型、旅客应急疏散仿真模型。以某机场为例,模拟了航站楼旅客正常离港与应急疏散流程;根据客流高峰时期...
为探究结伴行为对旅客疏散的影响,提出了一种基于AnyLogic的系统仿真框架,分别建立了航站楼出发厅物理环境模型、旅客初始分布仿真模型、旅客应急疏散仿真模型。以某机场为例,模拟了航站楼旅客正常离港与应急疏散流程;根据客流高峰时期航站楼旅客在各出口的疏散状况与疏散时间,分析了不同结伴比例对旅客疏散效率的影响。结果表明:疏散出口无拥挤现象时,旅客结伴比例为20%与40%时,相较于无结伴行为,旅客疏散时间并无显著增加,旅客结伴比例为60%时,疏散时间显著增加;疏散出口发生拥挤现象时,结伴比例为60%时相较于无结伴行为的旅客疏散时间更短;模型优化后的疏散时间显著降低。研究结果对组织航站楼内结伴旅客疏散具有一定的指导意义。
展开更多
关键词
航站楼
出发厅
结伴行为
疏散时间
拥挤现象
下载PDF
职称材料
题名
Prophet-LSTM组合模型在运输航空征候预测中的应用
1
作者
杜红兵
邢梦柯
赵德超
机构
中国民航大学安全科学与工程学院
出处
《安全与环境学报》
CAS
CSCD
北大核心
2024年第5期1878-1885,共8页
文摘
为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。
关键词
安全社会工程
运输航空征候
Prophet模型
长短期记忆网络(LSTM)模型
组合预测模型
Keywords
safety social engineering
air transportation incident
Prophet model
Long Short-Term Memory(LSTM)model
combination prediction model
分类号
X949 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
结伴行为对航站楼出发厅旅客疏散的影响
2
作者
杜红兵
赵德超
邢梦柯
机构
中国民航大学安全科学与工程学院
出处
《滨州学院学报》
2023年第4期29-35,共7页
文摘
为探究结伴行为对旅客疏散的影响,提出了一种基于AnyLogic的系统仿真框架,分别建立了航站楼出发厅物理环境模型、旅客初始分布仿真模型、旅客应急疏散仿真模型。以某机场为例,模拟了航站楼旅客正常离港与应急疏散流程;根据客流高峰时期航站楼旅客在各出口的疏散状况与疏散时间,分析了不同结伴比例对旅客疏散效率的影响。结果表明:疏散出口无拥挤现象时,旅客结伴比例为20%与40%时,相较于无结伴行为,旅客疏散时间并无显著增加,旅客结伴比例为60%时,疏散时间显著增加;疏散出口发生拥挤现象时,结伴比例为60%时相较于无结伴行为的旅客疏散时间更短;模型优化后的疏散时间显著降低。研究结果对组织航站楼内结伴旅客疏散具有一定的指导意义。
关键词
航站楼
出发厅
结伴行为
疏散时间
拥挤现象
Keywords
terminal
departure hall
companion behavior
evacuation time
crowding phenomenon
分类号
X947 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Prophet-LSTM组合模型在运输航空征候预测中的应用
杜红兵
邢梦柯
赵德超
《安全与环境学报》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
结伴行为对航站楼出发厅旅客疏散的影响
杜红兵
赵德超
邢梦柯
《滨州学院学报》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部