Biblioteca122.739 documentos en línea

Artículo

Prediction of Train Arrival Delay Using Hybrid ELM-PSO ApproachPredicción del retraso en la llegada de un tren mediante el método híbrido ELM-PSO

Resumen

En este estudio, se propone un método híbrido que combina la máquina de aprendizaje extremo (ELM) y la optimización por enjambre de partículas (PSO) para predecir los retrasos en la llegada de los trenes, que puede utilizarse para la posterior gestión de los retrasos y la optimización de los horarios. En primer lugar, se eligen nueve características (p. ej., el tiempo de amortiguación, el número de tren y el código de estación) asociadas a los retrasos en la llegada de los trenes y se analizan mediante un clasificador de árboles extra. A continuación, se desarrolla un ELM con una capa oculta para predecir los retrasos en la llegada de los trenes teniendo en cuenta las características mencionadas anteriormente. Además, se elige el algoritmo PSO para optimizar el hiperparámetro del ELM en comparación con la optimización bayesiana y el algoritmo genético para resolver el arduo problema de la regulación manual. Por último, se estudia un caso para confirmar la ventaja del modelo propuesto. En comparación con cuatro modelos de referencia (k-nearest neighbor, categorical boosting, Lasso y gradient boosting decision tree) en diferentes métricas, se demuestra que el modelo propuesto es competente y alcanza la mayor precisión de predicción. Además, mediante un análisis detallado del error de predicción, se comprueba que nuestro modelo posee una buena robustez y corrección.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento