基于Bi-LSTM网络的铁路短期货运量预测研究

• 作者: 郭洪鹏 刘斌 肖尧
• 来源期刊: 铁道货运
• 学科: 交通运输
• 关键词: 铁路运输 货运量 短期预测 双向长短时记忆网络 深度学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 研究探讨|RESEARCH AND DISCUSSION
• 页码范围: 52-58
• 页数: 7页
• 分类号: U294.1+3
• 语种: 中文
• DOI: 10.16669/j.cnki.issn.1004-2024.2022.02.10

摘要

短期货运量预测研究是铁路运输企业编制日常工作计划的重要依据,准确的货运量预测结果对铁路货运组织工作具有积极意义.针对铁路短期货运量预测,建立基于双向长短时记忆网络(Bi-LSTM)的短期货运量预测模型,以某铁路局集团公司4 122 d、136个月的货运发送量为实验数据分别进行各月和每日货运发送量的预测,其误差分别为5.30％和6.92％,并在同样的训练集、测试集数据分集上,设置相同的超参数,与RF,SVM,XGBoost和LSTM4种模型的预测结果进行比较,验证Bi-LSTM网络在铁路短期货运量预测上的精确度和泛化能力较好.