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
; `- \! {! J, B0 Y: Z0 ?
       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
' O2 [7 z% |0 c/ B* ~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
& e2 Z/ v- Q( a. i0 ^8 q/ G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
+ c" S: V3 t$ p3 V+ k# H3 P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
; T1 b' U! U9 P3 V精度更高，该方法有一定的可行性和有效性。

  X7 t2 J) [4 }& X4 L( q: N' F( V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


2 s6 R+ G1 D: _8 q1 P9 W
4 C  Z( A; H3 `0 B8 b% z

4 u& o/ T9 ~+ ^1 m6 h# b