查詢結果分析
來源資料
相關文獻
- 短期列車旅運需求之類神經網路預測模式建構與評估
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- C++Fuzzy類神經網路物件導向發展系統之建立
- 臺灣汽保費率之估計--對數線性費率模式與類神經網路之比較
- 運用類神經網路於股價指數之套利--以日經225指數為例
- 使用類神經網路預估碳化鎢材料放電加工性能
頁籤選單縮合
題 名 | 短期列車旅運需求之類神經網路預測模式建構與評估=Artificial Neural Networks for Short-Term Railway Passenger Demand Forecasting |
---|---|
作 者 | 蔡宗憲; 李治綱; 魏健宏; | 書刊名 | 運輸計劃 |
卷 期 | 35:4 民95.12 |
頁 次 | 頁475-505 |
分類號 | 557.24 |
關鍵詞 | 短期旅運量預測; 類神經網路; 預測模式比較; 綜合模式; Short-term forecasting; Artificial neural networks; Model comparison; Combined model; |
語 文 | 中文(Chinese) |
中文摘要 | 短期列車旅運需求預測模式可以提供軌道運輸營運者短期旅運資訊,有益於短期營運規劃之設計。本研究以類神經網路為基礎,建構短期列車旅運需求預測模式,探討三個模式構建課題:模式輸入變數設計對預測績效之影響、類神經網路模式與其他方法之績效比較、綜合模式 (combined model) 對預測績效之影響。我們蒐集臺鐵實際售票紀錄來進行模式構建以及驗證,有以下發現:其一,不適當的變數選用會導致類神經網路預測績效惡化。其二,在預測績效表現上,類神經網路優於隨機模式、去季節化隨機模式以及移動平均模式,但與指數平滑法相近。其三,綜合模式績效優於個別預測模式, 惟必須挑選較佳的個別模式來建立綜合模式。 |
英文摘要 | Short-term railway passenger demand forecasting can offer essential information to benefit short-term operational planning. This study constructed short-term forecasting models for railway passenger demand and discusses three modeling issues: the effects of input design on forecasting performance, validity of artificial neural networks and validity of combined models. We collected data from Taiwan Railway Administration for model construction and validation. Three findings were obtained. First, inappropriate design or use of input variables may result in unsatisfactory forecasting performance. Second, Artificial Neural Networks outperform random walk model, deseasonalized random walk model and moving average model, but have similar performance to exponential smoothing model. Third, combined models outperform individual models. However, candidates should be carefully selected for combining. |
本系統中英文摘要資訊取自各篇刊載內容。