数学建模社区-数学中国

标题: 疫情下基于 GC-rBPNN 模型的公路货运量预测方法研究 [打印本页]
作者: 雩风三日    时间: 2021-1-15 15:54
标题: 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
: o& K- b: x  r2 Q8 }8 d" ?) j/ t+ Z7 m& w8 |
       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7 I! J& w! w+ s/ y, O2 m
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- Q* i0 p* u4 P+ P" A  t
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" m) k$ @; A4 k& Z) Q/ O
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" G$ L) ?4 D( m# i* c8 e! U$ [8 @
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
8 z8 W+ s0 t3 Q# ]( i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/ i7 l( z4 q, m2 W( m5 L
精度更高，该方法有一定的可行性和有效性。 ( A3 Q& c) k9 d0 Z/ n5 a* x9 X

9 h! c1 f0 z+ m- B, d% `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
% j% G. R7 Z. ?+ b$ |; d8 H$ L$ c5 |4 v1 c2 u9 `( W2 @2 p: Z

! }6 W4 t) f& W/ r; @5 k
9 {' B0 S* ~1 O( R8 E" `2 Y% P9 s* Z, r, X
! c) X, V! \& u3 n8 I

疫情下基于GC_rBPNN模型的公路货运量预测方法研究_田晟.caj

956.19 KB, 下载次数: 1, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5