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...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,构建CEEMDAN-IPSO-LSTM组合模型预测城市轨道交通短时客流量。以广州地铁杨箕站自动售检票系统采集的历史进(出)站客流数据为例进行实验,研究结果表明:IPSO算法较PSO算法在基准测试函数Sphere,Sum Squars,Sum of Different Power,Rosenbrock,Rastigrin,Ackley,Griewank和Penalized上的最小值、最大值、平均值和标准差均更接近最佳优化值,CEEMDAN-IPSO-LSTM模型较LSTM模型、CEEMDAN-LSTM模型、CEEMDAN-PSO-LSTM模型的全月全日进(出)站的预测误差评价指标SD,RMSE,MAE和MAPE分别降低了12~40人次(13~35人次)、13~44人次(12~35人次)、6~37人次(12~31人次)和5.08%~46.89%(6.5%~35.1%),R和R2分别提高了0.07%~2.32%(0.86%~3.63%)和0.13%~2.19%(0.67%~1.67%),同时在工作日不同时段和非工作日全日的预测性能均达到最优效果。IPSO算法的收敛速度和参数寻优精度均优于PSO算法,且CEEMDAN-IPSO-LSTM模型可应用于城市轨道交通短时客流量的精确预测,同时可为设计规划线网路线、缓解交通压力、提高乘客出行服务质量等提供基础数据支撑。展开更多
高速磁浮列车作为一种新型交通工具,运行时的噪声以气动噪声为主,但目前对其气动噪声的研究极少。为了探明其发声机理和辐射特征,以TR08的1︰8缩尺3车编组模型为研究对象,采用大涡模拟(LES)及Kirchhoff-Ffowcs Williams and Hawkings(K-...高速磁浮列车作为一种新型交通工具,运行时的噪声以气动噪声为主,但目前对其气动噪声的研究极少。为了探明其发声机理和辐射特征,以TR08的1︰8缩尺3车编组模型为研究对象,采用大涡模拟(LES)及Kirchhoff-Ffowcs Williams and Hawkings(K-FWH)方程,获取高速磁浮列车气动激扰特性,精细化仿真研究磁浮列车不同速度级下的气动噪声源频谱和空间分布特征,并基于此构建可穿透积分面,对磁浮列车四极子噪声源贡献开展研究。研究结果表明:在400,500和600 km/h 3个速度级下磁浮列车远场最大辐射气动噪声声压级分别为88.7,94.2和98.1 dBA;列车辐射噪声频谱呈现宽峰特征,宽峰在400~700 Hz区间,且随着磁浮列车运行速度的增加缓慢向高频迁移;列车尾车流线型区域及尾流区是最主要的噪声源区,尾车流线型区域仍然以偶极子噪声为主,尾流区则以四极子噪声为主;尾流区的四极子声源辐射能量贡献显著且随车速增加而增大,600 km/h时声辐射能量贡献平均占比约83%,可见高速磁浮列车运行时四极子噪声的影响不容忽视。展开更多
文摘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,构建CEEMDAN-IPSO-LSTM组合模型预测城市轨道交通短时客流量。以广州地铁杨箕站自动售检票系统采集的历史进(出)站客流数据为例进行实验,研究结果表明:IPSO算法较PSO算法在基准测试函数Sphere,Sum Squars,Sum of Different Power,Rosenbrock,Rastigrin,Ackley,Griewank和Penalized上的最小值、最大值、平均值和标准差均更接近最佳优化值,CEEMDAN-IPSO-LSTM模型较LSTM模型、CEEMDAN-LSTM模型、CEEMDAN-PSO-LSTM模型的全月全日进(出)站的预测误差评价指标SD,RMSE,MAE和MAPE分别降低了12~40人次(13~35人次)、13~44人次(12~35人次)、6~37人次(12~31人次)和5.08%~46.89%(6.5%~35.1%),R和R2分别提高了0.07%~2.32%(0.86%~3.63%)和0.13%~2.19%(0.67%~1.67%),同时在工作日不同时段和非工作日全日的预测性能均达到最优效果。IPSO算法的收敛速度和参数寻优精度均优于PSO算法,且CEEMDAN-IPSO-LSTM模型可应用于城市轨道交通短时客流量的精确预测,同时可为设计规划线网路线、缓解交通压力、提高乘客出行服务质量等提供基础数据支撑。
文摘高速磁浮列车作为一种新型交通工具,运行时的噪声以气动噪声为主,但目前对其气动噪声的研究极少。为了探明其发声机理和辐射特征,以TR08的1︰8缩尺3车编组模型为研究对象,采用大涡模拟(LES)及Kirchhoff-Ffowcs Williams and Hawkings(K-FWH)方程,获取高速磁浮列车气动激扰特性,精细化仿真研究磁浮列车不同速度级下的气动噪声源频谱和空间分布特征,并基于此构建可穿透积分面,对磁浮列车四极子噪声源贡献开展研究。研究结果表明:在400,500和600 km/h 3个速度级下磁浮列车远场最大辐射气动噪声声压级分别为88.7,94.2和98.1 dBA;列车辐射噪声频谱呈现宽峰特征,宽峰在400~700 Hz区间,且随着磁浮列车运行速度的增加缓慢向高频迁移;列车尾车流线型区域及尾流区是最主要的噪声源区,尾车流线型区域仍然以偶极子噪声为主,尾流区则以四极子噪声为主;尾流区的四极子声源辐射能量贡献显著且随车速增加而增大,600 km/h时声辐射能量贡献平均占比约83%,可见高速磁浮列车运行时四极子噪声的影响不容忽视。