RBF神经网络在铁路货运量预测中的应用

• 作者: 宋苏民 常峰 旷文珍 许丽
• 来源期刊: 铁路计算机应用
• 学科: 交通运输
• 关键词: 时间序列 灰色模型 BP神经网络 RBF 货运量预测
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 方法与应用
• 页码范围: 47-51
• 页数: 5页
• 分类号: U294.1|TP39
• 字数: 4480字
• 语种: 中文

摘要

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法,建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测.利用铁路货运量的原始数据构造时间序列,并对时间序列进行分析和相应的处理.将处理后的数据构造为一个非线性映射,利用RBF神经网络进行逼近.利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验,得出3种预测模型的平均相对误差,分别为7.67％、4.79％和1.31％.表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多,可为铁路货运量预测研究提供方法支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	旷文珍	兰州交通大学自动化与电气工程学院	22	136	6.0	10.0
2	许丽	兰州交通大学自动化与电气工程学院	11	50	4.0	6.0
3	宋苏民	兰州交通大学光电技术与智能控制教育部重点实验室	4	24	4.0	4.0
4	常峰	兰州交通大学光电技术与智能控制教育部重点实验室	4	17	3.0	4.0