基于NLAPSO-RBF的铁路货运量预测研究

• 作者: 蒋兆远 邱建东
• 来源期刊: 计算机工程与应用
• 学科: 交通运输
• 关键词: 铁路货运量 粒子群优化算法 RBF神经网络 预测
• 年，卷（期）: 2013,（22）
• 所属期刊栏目: 工程与应用
• 页码范围: 253-257
• 页数: 5页
• 分类号: TP181|U294.13
• 字数: 4180字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1304-0419

摘要

铁路货运量需求预测在国家和区域经济发展规划、运输经营决策中具有重要作用。针对提高预测准确性与收敛速度问题，建立了基于RBF神经网络的预测模型。该模型具有最佳函数逼近性能和全局最优特性，适于预测计算，但有参数确定与优化的难题。提出一种基于非线性学习因子调节的粒子群优化（NLA-PSO）算法应用于RBF神经网络的参数优化，进而提高铁路货运量预测的精度与效率。通过1992-2011年铁路货运量预测的实例验证，将仿真结果与其他算法进行了比对，证明了方法的预测精度与收敛速度均优于其他算法，在铁路货运量预测计算上有效可行。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋兆远	兰州交通大学机电技术研究所	100	732	15.0	21.0
2	邱建东	兰州交通大学机电技术研究所	35	190	8.0	12.0