0.1 GRU神经网络模型

由于非参数模型处理多维非线性输入的优势，采用门控循环单元（Gated Recurrent Unit，GRU）神经网络对轨道交通日客流量进行预测。GRU神经网络是长短期记忆（Long Short-Term Memory，LSTM）神经网络的变体，而LSTM神经网络则是一种特殊的递归神经网络（Recursive Neural Network，RNN）。RNN利用时间维度信息处理具有时序特征的数据。但RNN无法解决长期依赖问题，且存在梯度消失和梯度爆炸的缺点，LSTM神经网络应运而生。LSTM神经网络引入遗忘门、记忆门、输出门等门控单元，保留需长期记忆的信息，遗忘价值衰减的信息，实现对时间序列数据的精准预测[12]。