基于组合预测模型的铁路货运量预测研究
2021-02-26徐玉萍邓俊翔蒋泽华
铁道科学与工程学报 2021年1期
徐玉萍,邓俊翔,蒋泽华
基于组合预测模型的铁路货运量预测研究
徐玉萍,邓俊翔,蒋泽华
(华东交通大学 交通运输与物流学院,江西 南昌 330013)
为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。
铁路货运量,乘积季节模型,LSTM模型,组合预测模型,注意力机制
铁路货运量的预测对铁路运输行业的发展有着至关重要的作用,既可以明确未来铁路货运量的发展趋势又能对未来的发展有一个大致的判断。合理的铁路货运量预测不仅能够及时发现我国铁路货运行业发展过程中的问题,为我国铁路货运相关部门提供建设性建议,也能够为我国未来铁路建设提供一个合理的方向。常用的预测方法有时间序列分析与机器学习两种。时间序列分析方法又分为简单时序平均数法、加权序时平均数法、简单移动平均法、加权移动平均法、指数平滑法、季节趋势预测法与市场寿命周期预测法等,主要用于金融、交通运输以及疾病防控等领域。……
登录APP查看全文
