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
! v! t0 z1 J0 @8 ^! h
! V" j3 f  n2 O5 m) F3 n2 ~       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
& ^" l1 L! \( I7 {3 a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
. I+ ]9 J& c/ c; k" z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
" V& t3 y; Z, `+ A6 h' l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
4 _% M! C& {7 D  T精度更高，该方法有一定的可行性和有效性。
6 Z: X1 n3 [) S+ Z0 W, ~; ?
+ V( Z3 o9 Z# S; e- x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


! Q8 j% o, L0 I: u
6 I! ^' \0 g* P& Z
) Y5 U: C, A/ H