基于组合预测模型的铁路货运量预测研究

• 作者: 徐玉萍 邓俊翔 蒋泽华
• 来源期刊: 铁道科学与工程学报
• 关键词: 铁路货运量 乘积季节模型 LSTM模型 组合预测模型 注意力机制
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 运输·物流·工程管理|Transportation·Logistics·Engineering Management
• 页码范围: 243-249
• 页数: 7页
• 分类号: U294.1+3
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20200281

摘要

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型.首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比.采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值.