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
9 M5 f1 j7 {( e6 n) b
3 p. ~0 {: a# G/ @  c       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
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
( F6 x& Y8 X- |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
& y1 U8 `. X2 g精度更高，该方法有一定的可行性和有效性。
& Y* P) z% C2 X3 V
( l% u4 L" s7 W4 L8 }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

1 @1 s& J% @4 G7 H3 q2 ^

. C0 I% F' Z6 l

0 s/ r1 r! F3 q- |. m9 e& P