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
+ u8 ?- m/ ]; r+ N
       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
  P, ^' X: g5 C1 o: P. r: n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
1 X+ M7 H+ b! ~+ X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
: s* X4 {4 `: B7 a0 I% q; P: b; Y: l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
% F3 B  b3 {1 B& o1 \5 l6 |3 k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
' D, M: k, B. C6 _精度更高，该方法有一定的可行性和有效性。

6 o" U" a5 U8 P7 i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
2 m: o" k8 w4 o- z* Q4 R2 `

! `5 U0 ?" B1 a! b) d+ N
/ s! ^4 S& {0 ~& z! x

5 @% T2 x5 |4 O+ a2 ]