疫情下基于 GC-rBPNN 模型的公路货运量预测方法研究
疫情下基于 GC-rBPNN 模型的公路货运量预测方法研究新冠疫情期间，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”𝐻m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，该方法有一定的可行性和有效性。
关键词：公路货运量；疫情；灰色关联度；BP 神经网络；组合预测模型
页:
[1]