疫情下基于 GC-rBPNN 模型的公路货运量预测方法研究

雩风三日

疫情下基于 GC-rBPNN 模型的公路货运量预测方法研究

$ C* U0 o% p1 ?) I       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
% @6 U, n6 w0 a. j) @; a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
) O+ N7 H9 @) G, m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
) o; z- @4 N. t7 Z% L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
1 ^( g& Z9 _+ u- P  _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
( T  N9 c7 k) _3 U1 F. q7 J精度更高，该方法有一定的可行性和有效性。
3 ]+ u; T; F" O, Z- s9 X5 l# o7 z
" t- S% |6 O6 K: \3 |; q9 h, c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

0 E3 `; l+ E( q0 _1 s( _4 A


6 e! ?3 A2 y  J' B( `+ Y, @; V4 O