基于Adaboost-CART模型的动卧列车客座率预测

论文摘要

由于动卧列车运行距离较长,主要竞争对手为同区间航空运输,航空票价水平和动态浮动会对动卧列车客流产生影响,因此从航空票价角度,研究动卧列车客座率。选取CART模型作为弱学习器,通过Adaboost集成学习算法将弱学习器训练为强学习器,即采用Adaboost-CART模型实现对动卧列车客座率的预测。以京沪高铁动卧列车为例,对该方法进行验证,结果表明:利用Adaboost-CART模型能够较好地对动卧列车客座率进行预测,且精度优于单一CART模型和多元回归模型等传统预测方法,验证了Adaboost-CART模型的有效性和可靠性。

论文目录

• 0 引言
• 1 Adaboost-CART模型原理
•   1.1 CART模型及特征选择
•   1.2 Adaboost集成学习算法
• 2 实例应用
•   2.1 特征选择与样本数据
•   2.2 训练模型
•   2.3 结果分析
• 3 结论

文章来源

类型: 期刊论文

作者: 王煜,方伟,王亮,薛冰

关键词: 动卧列车,客座率,航空票价,模型,集成学习,学习器

来源: 中国铁路 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 铁路运输

单位: 中国铁道科学研究院集团有限公司电子计算技术研究所,中国国家铁路集团有限公司

基金: 中国铁路总公司科技研究开发计划项目（N2018X009,2018F012）

分类号: U293.13

DOI: 10.19549/j.issn.1001-683x.2019.10.034

页码: 34-38

总页数: 5

文件大小: 1845K

下载量: 95