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
; f4 w+ o; _% `. x. Z- j* P% o  A
       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
" u9 C1 W) [0 m; ~1 u# J, u- H7 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
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
6 Q' Q3 M5 C* z0 q8 E精度更高，该方法有一定的可行性和有效性。
* M! J8 j* p6 M( `( ~6 B0 \
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

. r0 @% f7 p4 r, k
6 V5 b/ P- Q; O7 t" k' o1 E2 w- Y
* n& s3 @0 j& W# j7 }