張亞偉，陳瑞鳳，徐春婕，楊國元，呂曉軍，方 凱

(中國鐵道科學(xué)研究院集團有限公司 電子計算技術(shù)研究所，北京 100081)

0 引言

智能高鐵已成為目前鐵路運輸領(lǐng)域的發(fā)展方向，推進(jìn)智能車站的建設(shè)是構(gòu)建智能高鐵的重要組成部分。鐵路客運站作為城市間重要的橋梁，智能化體驗、舒適旅行也成為了人們所追求的目標(biāo)。某些大型客運站人流進(jìn)出量大，容易出現(xiàn)人流密集、擁擠的情況，而其內(nèi)部的空氣環(huán)境直接影響著旅客舒適度的體驗，尤其是溫度成為了環(huán)境指數(shù)中重要的物理量。站內(nèi)風(fēng)水系統(tǒng)的調(diào)節(jié)直接受環(huán)境溫度影響，隨著環(huán)境溫度高低的變化，風(fēng)水系統(tǒng)可提前調(diào)節(jié)為合適的大小，從而可達(dá)到最佳的旅客感知體驗。站內(nèi)溫度受多方面環(huán)境因素影響，包括濕度、二氧化碳(CO2)濃度、PM2.5、PM10等參數(shù)，本文基于站內(nèi)環(huán)境特征變量參數(shù)，結(jié)合模型算法重點研究站內(nèi)環(huán)境溫度的預(yù)測問題。

基于數(shù)學(xué)建模的預(yù)測方法種類繁多，如單耗法、彈性系數(shù)法、統(tǒng)計分析法、灰色預(yù)測法等[1]。針對不同預(yù)測內(nèi)容的特點會選擇相應(yīng)的預(yù)測方法建立預(yù)測模型。對于中短期預(yù)測，近似于指數(shù)增長的預(yù)測，可選用灰色預(yù)測模型。對于時間序列問題，傳統(tǒng)方法有指數(shù)平滑法、自回歸積分滑動平均ARIMA模型算法，LSTM模型算法等[2]，這些方法對具有周期性規(guī)律的數(shù)據(jù)預(yù)測有較好的效果。對于多因子影響的預(yù)測問題，可用BP、GBDT等機器學(xué)習(xí)算法[3]。文獻(xiàn)[2-3]采用分位數(shù)回歸法、改變學(xué)習(xí)速率法對LSTM模型進(jìn)行了改進(jìn)，并應(yīng)用于用電負(fù)荷與股價趨勢預(yù)測。文獻(xiàn)[4]采用時間序列分析ARIMA模型對局部地區(qū)的季節(jié)性氣溫進(jìn)行了預(yù)測。另外，基于GBDT模型改進(jìn)的梯度提升算法如XGBoost、LightGBM模型，具有訓(xùn)練速度快、占用內(nèi)存小的特點，也得到了相關(guān)預(yù)測的應(yīng)用。車站環(huán)境溫度值有兩個特點：(1)一種時間序列，即數(shù)據(jù)會隨時間發(fā)展而展現(xiàn)出一種規(guī)律性，受季節(jié)與白天黑夜的影響呈現(xiàn)一種周期性波動；(2)規(guī)律之中又有其特殊性，如會受濕度值、PM2.5、CO2等環(huán)境因素的影響而發(fā)生波動，對于車站人員密集場所，這些因素的影響會更大，單獨使用上述算法缺乏對車站環(huán)境溫度的整體預(yù)測感知能力。

針對車站環(huán)境溫度的特點，本文將LSTM與LightGBM模型進(jìn)行組合，充分利用車站環(huán)境特征變量對站內(nèi)環(huán)境溫度進(jìn)行預(yù)測。該組合模型能夠結(jié)合LSTM與LightGBM模型各自的特點，既可挖掘長時數(shù)據(jù)之間的內(nèi)在關(guān)系，又可避免非連續(xù)性以及波動數(shù)據(jù)對預(yù)測精度的不良影響[4]。

1 LSTM環(huán)境預(yù)測模型算法

LSTM是一種特殊的RNN網(wǎng)絡(luò)，RNN會存在梯度消失和梯度爆炸的問題，LSTM通過cell門開關(guān)實現(xiàn)時間上的記憶功能，并防止梯度消失，可以學(xué)習(xí)長期依賴信息，讓信息長期保存，解決RNN的缺陷問題[5]，其算法結(jié)構(gòu)如圖1。LSTM的當(dāng)前輸入xt和上一個狀態(tài)傳遞下來的ht-1拼接訓(xùn)練可以得到四個狀態(tài)，狀態(tài)公式如下：

圖1 LSTM算法結(jié)構(gòu)圖

(1)

(2)

zf=σ(wfxtht-1)

(3)

(4)

式(2)～(4)的zi，zf，zo是由拼接向量乘以權(quán)重矩陣之后，再通過一個sigmoid 激活函數(shù)轉(zhuǎn)換成0到1之間的數(shù)值，作為一種門控狀態(tài)。公式(1)中z是將結(jié)果通過tanh激活函數(shù)轉(zhuǎn)換成-1到1之間的值?！咽遣僮骶仃囍袑?yīng)的元素相乘，要求兩個相乘矩陣是同型的[6]。⊕代表矩陣加法。ct、ht、yt計算公式如下：

ct=zf⊙ct-1+zi⊙z

(5)

ht=zo⊙tanh(ct)

(6)

yt=σ(Wfht)

(7)

LSTM模型計算過程主要分為三個階段：忘記階段、輸入階段、輸出階段。忘記階段即“忘記”之前沒用的信息。遺忘門會根據(jù)當(dāng)前時刻節(jié)點的輸入xt、上一時刻節(jié)點的狀態(tài)ct-1和上一時刻節(jié)點的輸出ht-1來決定哪些信息將被遺忘[7]。輸入階段決定當(dāng)前輸入數(shù)據(jù)哪些信息被留下來。主要對輸入xt進(jìn)行選擇記憶。當(dāng)前輸入內(nèi)容由公式(1)z得出，選擇門控信號由zi來進(jìn)行控制。由公式(1)、(2)、(3)可得到傳輸給下一個狀態(tài)的ct，即公式(5)。輸出階段確定輸出值。LSTM在得到最新節(jié)點狀態(tài)ct后，結(jié)合上一時刻節(jié)點輸出ht-1和當(dāng)前時刻節(jié)點的輸入xt來決定當(dāng)前時刻節(jié)點的輸出yt，通過公式(6)的ht變化得到公式(7)。其中公式(6)中zo來進(jìn)行控制，并對狀態(tài)ct進(jìn)行了縮放(通過tanh激活函數(shù)進(jìn)行變化)[8]。

2 LightGBM模型算法

LightGBM是基于決策樹算法的分布式梯度提升GBDT框架，在大訓(xùn)練樣本和高維度特征的數(shù)據(jù)環(huán)境下，GBDT算法的性能以及準(zhǔn)確性會面臨極大的挑戰(zhàn)。為了解決此問題，LightGBM應(yīng)運而生。LightGBM具有訓(xùn)練速度快、內(nèi)存占用少、準(zhǔn)確率高、支持并行化學(xué)習(xí)、可處理大規(guī)模數(shù)據(jù)的特點[9]。

LightGBM在梯度算法中主要采用了一些優(yōu)化算法：

1) 單邊梯度采樣算法(GOSS)：LightGBM使用GOSS算法進(jìn)行訓(xùn)練樣本采樣的優(yōu)化。GOSS算法的基本思想是首先對訓(xùn)練集數(shù)據(jù)根據(jù)梯度排序，預(yù)設(shè)一個比例，保留在所有樣本中梯度高于比例的數(shù)據(jù)樣本；梯度低于該比例的數(shù)據(jù)樣本不會直接丟棄，而是設(shè)置一個采樣比例，從梯度較小的樣本中按比例抽取樣本。為了彌補對樣本分布造成的影響，GOSS算法在計算信息增益時，會對較小梯度的數(shù)據(jù)集乘以一個系數(shù)用來放大。在計算信息增益時，算法可以更加關(guān)注“未被充分訓(xùn)練”的樣本數(shù)據(jù)。

2) EFB算法(Exclusive Feature Bundling)：LightGBM算法不僅通過GOSS算法對訓(xùn)練樣本進(jìn)行采樣優(yōu)化，也進(jìn)行了特征抽取，以進(jìn)一步優(yōu)化模型的訓(xùn)練速度。EFB算法可以將數(shù)據(jù)集中互斥的特征綁定在一起，形成低維的特征集合，能夠有效避免對0值特征的計算。在算法中，可以對每個特征建立一個記錄非零值特征的表格。通過對表中數(shù)據(jù)的掃描，可以有效降低創(chuàng)建直方圖的時間復(fù)雜度。

3) 直方圖算法(Histogram)：LightGBM采用了基于直方圖的算法，將連續(xù)的特征值離散化成了K個整數(shù)，構(gòu)造寬度為K的直方圖，遍歷訓(xùn)練數(shù)據(jù)，統(tǒng)計每個離散值在直方圖中的累積統(tǒng)計量。在選取特征的分裂點時，只需要遍歷排序直方圖的離散值。使用直方圖算法降低了算法的計算代價，同時降低了算法的內(nèi)存消耗。

4) 按葉子生長(leaf-wise)算法：大多數(shù)決策樹學(xué)習(xí)算法的樹生成方式都采用按層生長(level-wise)的策略[10]，如圖2所示。

圖2 level-wise策略圖

LightGBM采用一種更為高效的按葉子生長(leaf-wise)策略算法，如圖3所示。該策略每次從當(dāng)前決策樹所有的葉子節(jié)點中，找到分裂增益最大的一個葉子節(jié)點進(jìn)行分裂，如此循環(huán)往復(fù)。該機制減少了對增益較低的葉子節(jié)點的分裂計算。與level-wise策略相比，在分裂次數(shù)相同的情況下，leaf-wise可以降低誤差，得到更好的精度。Leaf-wise算法的缺點是可能會生成較深的決策樹。因此，LightGBM在leaf-wise上增加了限制最大深度的參數(shù)，在保證算法高效的同時，防止過擬合[11]。

圖3 leaf-wise策略圖

3 基于LSTM-LightGBM組合模型預(yù)測算法

基于LSTM-LightGBM組合模型對溫度進(jìn)行預(yù)測的流程圖如下，其中環(huán)境特征變量為濕度、二氧化碳、PM2.5、PM10，環(huán)境傳感器數(shù)據(jù)除上述4種環(huán)境特征變量外還包含溫度值。

圖4 LSTM-LightGBM算法流程圖

3.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)來源為京張線清河站環(huán)境傳感器獲取的兩日內(nèi)145條數(shù)據(jù)，包含溫度(Temprature)、濕度(humidity)、二氧化碳(CO2)、PM2.5、PM10數(shù)據(jù)。表1所示為采集數(shù)據(jù)的前5行：

表1 環(huán)境傳感器采集數(shù)據(jù)

由于輸入、輸出變量值差異較大，先做歸一化處理，以減小所得結(jié)果誤差[12]。采用min-max標(biāo)準(zhǔn)化方法，將數(shù)據(jù)映射到[0,1]之間，如公式(10)所示：

(10)

其中:xmax為樣本數(shù)據(jù)的最大值，xmin為樣本數(shù)據(jù)的最小值。歸一化后的數(shù)據(jù)前五行如表2所示。

表2 歸一化樣本

3.2 構(gòu)造模型及訓(xùn)練

3.2.1 構(gòu)造LSTM訓(xùn)練模型

首先將輸入數(shù)據(jù)整理成LSTM所需的三維結(jié)構(gòu)，表示為(TrainX, SeqLen, Dim_in)第一個維度TrainX表示對應(yīng)樣本，第二個維度SeqLen表示該樣本所采集的序列數(shù)據(jù)(指定序列長度)，第三個維度Dim_in表示對應(yīng)的特征維度，本文數(shù)據(jù)集環(huán)境特征變量為4個，因此Dim_in取4。按照此三維結(jié)構(gòu)形式將數(shù)據(jù)集劃分為訓(xùn)練集和測試集[13]。

第二，構(gòu)建LSTM模型。模型結(jié)構(gòu)表示為(Units, Input_Shape, Activation, Recurrent_dropout)。Units為隱含層神經(jīng)元個數(shù)，Input_Shape為輸入數(shù)據(jù)集的結(jié)構(gòu)形式，Activation為激活函數(shù)，Recurrent_dropout為學(xué)習(xí)率。分析數(shù)據(jù)集樣本大小和特點，得到最佳模型取值。本文Units取45，Activation取“relu”，Recurrent_dropout為0.01。

第三，訓(xùn)練LSTM模型。訓(xùn)練模型結(jié)構(gòu)為(X_Train, Y_Train, Epochs, Batch_Size, Validation_Split)。 X_Train, Y_Train為模型訓(xùn)練數(shù)據(jù)；Epochs為迭代次數(shù)；Batch_Size為批處理樣本數(shù)；Validation_Split為訓(xùn)練驗證集分割比例。訓(xùn)練模型參數(shù)的取值是基于先驗知識與大量實驗得出，本文Epochs取值為100，Batch_Size為16，Validation_Split為0.8[14]。

3.2.2 構(gòu)造LightGBM訓(xùn)練模型

將數(shù)據(jù)集劃分為訓(xùn)練集和驗證集，設(shè)置訓(xùn)練集和驗證集比例系數(shù)為0.8。模型的參數(shù)設(shè)置是基于先驗知識以及大量的實驗，針對所用實驗數(shù)據(jù)，LightGBM訓(xùn)練模型的核心參數(shù)設(shè)置如下[15]：

objective：任務(wù)類型?？蛇x任務(wù)類型為regression(回歸)、binary(二分類)、multiclass(多分類)等。本文任務(wù)是進(jìn)行預(yù)測，設(shè)置為regression。

num_leaves: 葉節(jié)點的數(shù)目。該參數(shù)決定樹模型的復(fù)雜度，越大會越準(zhǔn)確，但可能過擬合，該參數(shù)設(shè)置為120。

max_depth: 控制了樹的最大深度。該參數(shù)可以顯式的限制樹的深度。一般設(shè)置為不大于log2(num_leaves)的值，本文設(shè)置為7。

min_data_in_leaf: 每個葉節(jié)點的最少樣本數(shù)量。它是處理leaf-wise樹的過擬合的重要參數(shù)。將它設(shè)為較大的值，可以避免生成一個過深的樹，但是也可能導(dǎo)致欠擬合。本文設(shè)置為16。

learning_rate:訓(xùn)練模型的學(xué)習(xí)率。較大的學(xué)習(xí)率會加快收斂速度，但是會降低準(zhǔn)確率，默認(rèn)為0.1。針對數(shù)據(jù)集的大小可調(diào)整學(xué)習(xí)率，本文設(shè)置為0.05。

num_boost_round：迭代次數(shù)。設(shè)置為1 000[16]。

3.2.3 LSTM-LightGBM組合模型預(yù)測

將環(huán)境特征變量濕度、二氧化碳、PM2.5、PM10數(shù)據(jù)輸入LSTM訓(xùn)練模型，可計算出每個環(huán)境特征變量的預(yù)測值。該多維預(yù)測值作為輸入變量，輸入LightGBM模型，由此可得出溫度預(yù)測值。

3.2.4 實驗評價標(biāo)準(zhǔn)

(9)

4 結(jié)果分析

選取環(huán)境特征變量24條數(shù)據(jù)(即2小時)輸入LSTM模型，所得預(yù)測結(jié)果如圖5，四幅圖為每個環(huán)境特征變量的預(yù)測結(jié)果。從圖中可看出LSTM模型對于有突變的尖峰預(yù)測靈敏度較差，但是可以將數(shù)據(jù)的整體上升下降趨勢預(yù)測出來[18]。表3為環(huán)境特征變量預(yù)測值與真實值的RMSE。

圖5 LSTM環(huán)境特征變量預(yù)測結(jié)果

humidityCO2PM2.5PM10RMSE9.8111.230.8826.39

圖6 LSTM-LightGBM溫度預(yù)測結(jié)果

將LSTM模型已預(yù)測的濕度、二氧化碳、PM2.5、PM10數(shù)據(jù)輸入LightGBM訓(xùn)練模型，所得溫度預(yù)測值如圖6。兩模型預(yù)測結(jié)果RMSE分別為0.82和1.35。從圖中可看出，LSTM-LightGBM組合模型比LSTM模型結(jié)果更接近原始波形，LSTM-LightGBM組合模型對波形突變有更好的響應(yīng)，能反應(yīng)出環(huán)境特征變量所引起的溫度變化。

本文利用LightGBM自帶的輸入變量重要性判別函數(shù)對環(huán)境特征變量的重要性做了對比，結(jié)果如表4與圖7。表5對環(huán)境特征變量的重要性用數(shù)值進(jìn)行量化，重要性代表特征值在訓(xùn)練過程中使用的平均次數(shù)[19]，圖7以折線圖形式呈現(xiàn)。可以看出，二氧化碳和PM10對預(yù)測結(jié)果有較大影響。

表4 環(huán)境特征變量重要性比對

圖7 環(huán)境特征變量重要性比對折線圖

5 結(jié)束語

本文基于客運火車站重點區(qū)域的環(huán)境傳感器實際數(shù)據(jù)，采用預(yù)測算法對車站溫度值進(jìn)行預(yù)測分析。首先利用LSTM模型分別對濕度、二氧化碳、PM2.5、PM10四項環(huán)境特征變量進(jìn)行預(yù)測。再利用LSTM模型預(yù)測的四項環(huán)境特征變量輸入LightGBM模型對溫度值進(jìn)行預(yù)測。通過對比單獨使用LSTM模型與使用LSTM-LightGBM組合模型對溫度的預(yù)測結(jié)果，得出LSTM-LightGBM組合模型的預(yù)測值有更低的RMSE，其預(yù)測波形趨勢更接近原始波形。

本文研究內(nèi)容可應(yīng)用于車站重點區(qū)域環(huán)境溫度的預(yù)測，可為工作人員提供輔助決策手段，如通過預(yù)測值提前設(shè)定站內(nèi)風(fēng)水系統(tǒng)的空調(diào)溫度值與通風(fēng)量大小，從而提升區(qū)域舒適度，減少能耗[20]。最后，本文的算法仍有研究空間，如訓(xùn)練數(shù)據(jù)量大小對模型的影響，不同環(huán)境特征變量的預(yù)測對車站節(jié)能、舒適度的影響等。