Print

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

  • 1 退票率数据预处理
  •   1.1 退票率的特征提取
  •   1.2 退票率的离散化
  • 2 退票率分类及预测
  •   2.1 区间退票率的最优值确定
  •   2.2 基于XGBoost算法的退票率分类研究
  •     2.2.1 XGBoost算法的参数优化
  •     2.2.2 退票率预测模型
  • 3 算法验证
  •   3.1 分类算法有效性验证
  •     3.1.1 基于贝叶斯参数优化的XGBoost算法有效性验证
  •     3.1.2 退票率离散化算法有效性验证
  •   3.2 区间最优退票率选取方法有效性验证
  • 4 结束语

    • 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

    本文来源: https://www.lunwen66.cn/article/094b9456ab036d4246126efc.html