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
' v9 _  w' w8 I1 C
; Q- J. a; n5 Q. K) F       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
. k# S, O: U9 W1 D6 C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
( }- {* S- d' O  V* h# ^: ?, W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
精度更高，该方法有一定的可行性和有效性。
' r% b3 a4 g+ ]
. j' M6 D4 L4 Q5 O2 j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

- h# D% z# I* q6 @8 u

4 [  x% r% L) D2 W+ b  b; K+ x
. D5 c: q* n5 T
) N; z# `1 {& t# Q