基于LSTM网络的铁路货运量预测

• 作者: 张小强 梁越 程肇兰
• 来源期刊: 铁道学报
• 学科: 交通运输
• 关键词: 铁路运输 货运量预测 LSTM网络 时间序列 深度学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 铁道运输
• 页码范围: 15-21
• 页数: 7页
• 分类号: U294.13
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2020.11.003

摘要

准确预测铁路货运量对铁路货运组织工作的开展极为重要,特别是短期(月 、日)货运量数据直接关系到铁路各项运输计划的编制.人工神经网络模型因其强大的学习能力而被广泛运用于各领域的预测,其中的LSTM网络适合处理和预测铁路货运量这类间隔和延迟相对较长的时间序列.考虑不同时期货运数据的特点分别建立基于月货运量数据的LSTM多变量预测模型和基于日货运量数据的LSTM时间序列模型.基于广铁2010—2017年的货运量数据,运用所建模型预测各月和每日的货运发送量,并与ARIMA模型预测方法和BP神经网络方法的预测结果相比较.结果表明,LSTM网络预测效果更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小强		18	133	6.0	11.0
2	程肇兰		1	0	0.0	0.0
3	梁越		1	0	0.0	0.0