[发明专利]一种采用重采样递归神经网络的地铁乘客拥挤度预测方法

摘要

本发明涉及交通数据分析领域，尤其涉及一种采用重采样递归神经网络的地铁乘客拥挤度预测方法。包括以下步骤：依据原始数据设定训练样本数据，设定拥挤度标签，依据拥挤度标签将样本数据分为n个子样本集，对子样本集进行重采样，获取重采样数列，将重采样数列输入递归神经网络模型，以训练递归神经网络模型，对递归神经网络模型测评，依据测评结果调节重采样权值，直至测评结果为及格。现有技术中，往往从训练样本数据中进行随机采样，但是不同类别的样本分布不均，从而造成递归神经网络模型对多数样本过拟合对少数样本欠拟合，从而造成预测不准确。本发明通过重采样对样本进行二次采样，使得模型充分训练，从而有效提高预测精度。

主权项

1.一种采用重采样递归神经网络的地铁拥挤度预测方法，其特征在于：包括以下步骤：第1步：依据原始数据设定训练样本数据；第2步：设定拥挤度标签，将第1步所得的训练样本数据依据拥挤度标签分为n个子样本集；第3步：对第2步所得的子样本集进行重采样，重采样权值为随机选取，依据重采样结果设定重采样数列；第4步：将第3步所得的重采样数列输入递归神经网络模型，以训练递归神经网络模型，直至递归神经网络模型训练完成；第5步：对第4步所得的递归神经网络模型测评；第6步：依据测评结果调节第3步中的重采样权值，重复执行第3步至第5步，直至测评结果为及格。