广西师范大学学报(自然科学版)

2021, v.39(06) 24-32

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

疫情下基于GC-rBPNN模型的公路货运量预测方法
Forecasting Method of Highway Freight Volume Based on GC-rBPNN Model during COVID-19 Epidemic

田晟;李成伟;黄伟;王蕾;

摘要(Abstract):

新冠疫情期间,公路货运量明显下滑,公路运营状况变化复杂,亟须科学预测公路货运量。通过灰色关联分析,确定疫情期间公路货运量主要影响因素,构建了基于灰色组合(GC)-修正BP神经网络(rBPNN)模型的公路货运量预测方法。以我国2017年7月—2020年5月的公路货运量统计数据为原始数据,对BP神经网络进行训练和检验,并引入修正系数H_M对预测结果进行修正。以疫情期间近5个月数据为基础,用灰色组合模型预测下月公路货运量各主要影响因素值,再运用修正BP神经网络预测我国2020年6月的公路货运量。将GC-rBPNN模型与其他预测方法进行对比分析,GC-rBPNN模型的PE和MAPE分别为0.21%和3.21%,结果表明,GC-rBPNN模型的预测精度更高,有一定的可行性和有效性。

关键词(KeyWords): 公路货运量;疫情;灰色关联度;BP神经网络;组合预测模型

Abstract:

Keywords:

基金项目(Foundation): 国家留学基金(20170615503);; 广东省科技计划(2015A080803001);; 广东省自然科学基金(2020A1515010382)

作者(Author): 田晟;李成伟;黄伟;王蕾;

Email:

DOI: 10.16088/j.issn.1001-6600.2020102902

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享