基于改进RF-XGBoost算法的列车运行晚点预测研究
U292.4%U238; 为度量列车晚点造成的影响,将传统随机森林(RF)与极端梯度提升树(XGBoost)相结合,采用改进的RF-XGBoost算法对高铁列车运行晚点进行预测.以济青高铁为例,将其原始数据预处理并根据特征重要度排序,选取前7个参数组成晚点特征自变量,以预测到站晚点时间为因变量.将列车实际到达时间等7个特征变量输入RF-XGBoost预测模型中参与训练.前200次列车的晚点预测结果表明:预测晚点与实际晚点时间的曲线变化趋势大致相同.相较于XGBoost算法,本文提出的方法MAE和RMSE值分别降低60.5%与44.8%,R2值提高14.6%,且在允许预测误差5 min的范围内,...
Saved in:
Published in | 铁道标准设计 Vol. 67; no. 3; pp. 38 - 43 |
---|---|
Main Authors | , , |
Format | Journal Article |
Language | Chinese |
Published |
兰州交通大学自动化与电气工程学院,兰州 730070%兰州交通大学自动化与电气工程学院,兰州 730070
01.03.2023
北京康吉森交通技术有限公司,北京 101318 |
Subjects | |
Online Access | Get full text |
ISSN | 1004-2954 |
DOI | 10.13238/j.issn.1004-2954.202110090008 |
Cover
Summary: | U292.4%U238; 为度量列车晚点造成的影响,将传统随机森林(RF)与极端梯度提升树(XGBoost)相结合,采用改进的RF-XGBoost算法对高铁列车运行晚点进行预测.以济青高铁为例,将其原始数据预处理并根据特征重要度排序,选取前7个参数组成晚点特征自变量,以预测到站晚点时间为因变量.将列车实际到达时间等7个特征变量输入RF-XGBoost预测模型中参与训练.前200次列车的晚点预测结果表明:预测晚点与实际晚点时间的曲线变化趋势大致相同.相较于XGBoost算法,本文提出的方法MAE和RMSE值分别降低60.5%与44.8%,R2值提高14.6%,且在允许预测误差5 min的范围内,精度达到97.78%,此方法拥有更优的晚点时长预测性能,对铁路实时调度与提升客运质量至关重要. |
---|---|
ISSN: | 1004-2954 |
DOI: | 10.13238/j.issn.1004-2954.202110090008 |