基于组合预测模型的铁路货运量预测研究

摘要：

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.

关键词：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

所属期刊栏目：18

分类号：U294.1+3(铁路运输管理工程)

资助基金：国家自然科学基金资助项目;江西省社科规划项目;南昌市社科重点规划项目

在线出版日期：2021-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：243-249