10.16669/j.cnki.issn.1004-2024.2017.01.12
基于GRA-PCA-GA-BP网络模型的铁路货运量预测分析
科学预测铁路货运量能够为我国铁路政策的制定、铁路货运相关规划的出台提供决策支持,对促进我国铁路货运向现代物流转型具有重要意义.为保证铁路货运量预测精度,在数据样本较少且数据波动较大时,提出基于GRA PCA-GA BP网络模型进行铁路货运量预测的方法.利用灰色关联分析和主成分分析对影响铁路货运量的输入指标进行预处理,再利用遗传算法优化取得BP神经网络的权值和阀值,进而求得更为准确的铁路货运量预测值.通过实例分析验证,GRA PCA GA BP网络模型有效、可靠,具有较高的预测精度.
铁路货运量、预测、灰色关联分析、主成分分析、遗传算法、BP神经网络
U294.1+3(铁路运输管理工程)
河北省软科学研究计划项目15456110D;河北省社会科学基金项目HB14GL080
2017-02-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
54-58