何必胜 副教授

硕士生导师

个人信息Personal Information


教师英文名称:Bisheng He

学历:博士研究生毕业

学位:工学博士学位

办公地点:交运楼305A

性别:

毕业院校:北京交通大学

学科:交通运输工程. 交通运输规划与管理. 交通运输

所在单位:交通运输与物流学院

报考该导师研究生的方式

欢迎你报考何必胜老师的研究生,报考有以下方式:

1、参加西南交通大学暑期夏令营活动,提交导师意向时,选择何必胜老师,你的所有申请信息将发送给何必胜老师,老师看到后将和你取得联系,点击此处参加夏令营活动

2、如果你能获得所在学校的推免生资格,欢迎通过推免方式申请何必胜老师研究生,可以通过系统的推免生预报名系统提交申请,并选择意向导师为何必胜老师,老师看到信息后将和你取得联系,点击此处推免生预报名

3、参加全国硕士研究生统一招生考试报考何必胜老师招收的专业和方向,进入复试后提交导师意向时选择何必胜老师。

4、如果你有兴趣攻读何必胜老师博士研究生,可以通过申请考核或者统一招考等方式报考该导师博士研究生。

点击关闭

论文成果

当前位置: 中文主页 >> 科学研究 >> 论文成果

基于改进迁移学习的高速铁路短期客流时间序列预测方法

发表刊物:系统工程

关键字:高速铁路; 客流预测; 时间序列; 迁移学习;

摘要:高速铁路短期客流的预测能为客票分配、开行方案制定、车站客运组织等运营层面组织工作服务,以提高运力资源配置效率和运输服务水平。针对该预测工作往往缺乏有效样本、难于处理时间序列的非稳态性等难点,本文提出一种基于改进迁移学习的高速铁路短期客流预测方法。该迁移学习算法是在经典提升(Boost)算法基础上,结合时间序列特征所提出的。首先,通过时间序列的初筛机制得到源域时间序列与目标域时间序列的距离,并获取与目标域时间序列更相似的源域时间序列。然后,通过将整体时间序列分解为线性时间序列和非线性时间序列,采用季节性差分自回归移动平均模型进行线性拟合后,获取非线性时间序列作为初始源数据集合。最后,通过对训练样本和随机森林回归模型的权重调整实现多样本的迁移,能有效降低负迁移,提升算法稳定性。并以某铁路局客票数据为例进行高速铁路客运量预测及验证,结果表明改进迁移学习都能有效提升预测精度,证明该方法能高效地运用于实际的高速铁路短期客流预测中,有利于提升运力资源配置效率和高速铁路运输服务水平。

合写作者:赵国堂,马剑

第一作者:闻克宇

论文类型:期刊论文

通讯作者:何必胜

文献类型:J

卷号:38

期号:03

页面范围:73-83

是否译文:

发表时间:2020-05-11