基于XGBoost算法的铁路旅客退票率预测研究

论文摘要

旅客退票后释放的空闲席位被有效再利用是铁路部门研究的重点课题之一,对退票情况进行预测,是实现对此部分席位提前规划和合理管理的前提,可以满足更多旅客的出行需求。研究铁路旅客退票率预测,首先,分析了退票率数据的特点,设计了EW-DBSCAN算法对旅客退票率进行离散化处理;然后,基于梯度算法在目标离散化区间计算出满足误差范围的最优预测退票率;最后,利用基于贝叶斯参数最优化的XGBoost算法对旅客退票率进行分类,并预测各区段的退票率。最后对该分类方法进行验证,并与其他方法进行对比,结果表明本文的分类算法精确度较高。

论文目录

文章来源

类型: 期刊论文

作者: 王红爱

关键词: 铁路客票,退票率,离散化,梯度算法,算法,贝叶斯算法

来源: 铁道学报 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 铁路运输,自动化技术

单位: 中国铁道科学研究院

基金: 中国铁路总公司科技研究开发计划(2017X004-C,2017X001-C)

分类号: U293.22

页码: 19-25

总页数: 7

文件大小: 249K

下载量: 275

相关论文文献

标签：铁路客票论文;  退票率论文;  离散化论文;  梯度算法论文;  算法论文;  贝叶斯算法论文;