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
. E  A* T+ n& P5 `( Q/ E! J
; t' {  S! K/ B       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
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
, R  [) D# ^* Q: J% q: _" @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
8 \$ |& N, d5 d1 s: H精度更高，该方法有一定的可行性和有效性。
+ q7 s' c- l- d: P' m$ {
4 M, X, b7 R: {3 o2 X3 I  e$ k/ L+ d9 {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: i: M& c9 ]4 R



5 w, a* `$ G3 v( |% I2 g- M+ e