基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在铁路货运量预测中,为改善传统预测方法数据拟合度不高、外推性不强等问题,提出基于BP神经网络技术的货运量预测模型,该模型采用贝叶斯正则化方法以提高神经网络推广能力.实验比较发现,该模型具有较强的自适应性,其拟合、预测结果优于灰色预测模型GM(1,1)和修正指数回归模型,证实了该方法的可行性和可靠性.
推荐文章
基于灰色模型与神经网络的铁路货运量预测
铁路货运量
灰色模型
神经网络
预测
基于灰色神经网络的铁路货运量组合预测
灰色神经网络
铁路货运量
组合预测
基于多因素的铁路货运量BP神经网络预测研究
铁路货运量
预测
BP神经网络
AdaBoost_BP神经网络在铁路货运量预测中的应用
铁路货运量预测
BP神经网络
AdaBoost算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的铁路货运量预测
来源期刊 铁道货运 学科 交通运输
关键词 货运量 预测 神经网络 BP算法
年,卷(期) 2005,(9) 所属期刊栏目 货物运输
研究方向 页码范围 15-17
页数 3页 分类号 U294.1+3|O157.5
字数 1499字 语种 中文
DOI 10.3969/j.issn.1004-2024.2005.09.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李远富 西南交通大学土木工程学院 99 913 19.0 25.0
2 陈福贵 西南交通大学土木工程学院 2 33 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (26)
同被引文献  (19)
二级引证文献  (52)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(6)
  • 引证文献(2)
  • 二级引证文献(4)
2008(6)
  • 引证文献(4)
  • 二级引证文献(2)
2009(10)
  • 引证文献(1)
  • 二级引证文献(9)
2010(4)
  • 引证文献(3)
  • 二级引证文献(1)
2011(8)
  • 引证文献(3)
  • 二级引证文献(5)
2012(6)
  • 引证文献(4)
  • 二级引证文献(2)
2013(7)
  • 引证文献(2)
  • 二级引证文献(5)
2014(10)
  • 引证文献(2)
  • 二级引证文献(8)
2015(7)
  • 引证文献(2)
  • 二级引证文献(5)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
货运量
预测
神经网络
BP算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
铁道货运
月刊
1004-2024
11-2933/U
大16开
北京市海淀区大柳树路2号
82-354
1983
chi
出版文献量(篇)
3478
总下载数(次)
12
总被引数(次)
10287
论文1v1指导