基于广义回归神经网络的铁路货运量预测

摘要：

针对BP神经网络预测存在局部极小缺陷和收敛速度慢的问题,提出基于广义回归神经网络(GRNN)的预测模型.基于我国1999-2008年铁路货运量的历史统计数据,应用GRNN模型和混沌BP神经网络模型对铁路货运量进行预测.通过两种预测模型的计算结果比较说明,GRNN模型具有良好的收敛性和较高的精度,而且模型结构简单、计算速度快,具有良好的实用性.

关键词：铁路、货运量预测、GRNN模型、BP模型

所属期刊栏目：33

分类号：U294.1(铁路运输管理工程)

在线出版日期：2011-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：88-91