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
$ F. O- D7 }7 c7 E6 X/ V$ _6 U
4 M* l; m) z, t( L       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
& y/ ^/ n9 [; r0 I2 l5 h, [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
" Z( l. Y2 g1 K2 G0 ?8 b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
& q8 U8 ^* @* X; I  \) B9 J* z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
8 C5 B1 O( x, X& x8 }  \精度更高，该方法有一定的可行性和有效性。
4 H7 P( h4 \' C+ P0 b
! ~! B! O2 o% f/ O9 y% 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

  p; g8 e7 C& h5 ]& v
  g  e( R  d0 K- V2 w" H

3 d% N- X0 y$ t" d( G0 ]