Login for students

Login for employees

Publication detail

A hybrid model for forecasting the volume of passenger flows on Serbian railways
Authors: Glišović Nataša S. | Milenković Miloš | Bojović Nebojša J. | Švadlenka Libor | Avramović Zoran Ž
Year: 2015
Type of publication: článek v odborném periodiku
Name of source: Operational Research
Page from-to: 1-15
Titles:
Language Name Abstract Keywords
cze Hybridní model pro předpověď objemu toků cestujících na Srbské železnice Přesnost předpovídání objem toků cestujících je velmi důležitá vzhledem k zásadní roli tohoto ukazatele, který je stěžejní v rámci zajištění funkčnosti dopravního systému. Řešení tohoto problému je velmi často je založen na využití neuronových sítí, a to s relativně uspokojujícími výsledky. V rámci tohoto výzkumu budou porovnány dvě základní metody, založené jak parametrickém přístupu, tak na přístupu neparametrickém. Cílem výzkumu je demonstrovat využití hybridního modelu založeném na integraci genetických algoritmů (GA) a přístupu využívajích neuronové sítě (ANN) pro predikci měsíčního objemu cestujících na srbské železnici. Tento inovativní přístup lze vnímat zejména ve vztahu k využití genetických algoritmů v rámci optimalizace síťové architektury. V rámci aplikace přístupu k využití genetických algoritmů jsou vybraní účastníci (potencionální cestující) vyjádření počtem neuronů uprostřed sítě. Za účelem demonstrování výsledků - porovnání, tradiční přístup predikce SARIMA je porovnám s novým hybridním model pro predikci objemu toků cestujících s tím, že hybridní model se ukázal jako spolehlivější. Genetický algoritmus; Neuronová síť; SARIMA; Časové řady; Železnice
eng A hybrid model for forecasting the volume of passenger flows on Serbian railways The accuracy of predicting the volume of railway passenger flows is very significant because of the vital role in the basic functions of transportation resources management. Although dealing with this problem is very often based on the use of the neural networks, the uncertainty which dominates in the functioning of transportation systems is of great significance. The neural networks have been used for the time-series prediction with good results. This research compared two methods the parametric and the non-parametric approach. This study aims at presenting a hybrid model based on the integration of the genetic algorithm (GA) and the artificial neural networks (ANN) for forecasting the monthly volume of passengers on the Serbian railways. This innovative hybrid demonstrates how the genetic algorithms can be used to optimize the network architecture. By applying the idea of genetic algorithms in the neural networks, the integration is used so that on the basis of the input data, the selected population represents the number of neurons in the middle. In order to assess performances, the developed approach is compared to the traditional SARIMA model and the proposed method GAANN is better. Genetic algorithm; Artificial neural network; SARIMA; Time series; Railway

Departments

Other Parts

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives