疫情下基于GC-rBPNN模型的公路货运量预测方法

摘要：

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,有一定的可行性和有效性.

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

所属期刊栏目：39

分类号：U492.313(交通工程与公路运输技术管理)

资助基金：教育部国家留学基金;广东省科技计划;广东省自然科学基金

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：24-32