基于GRU深度学习算法的日均快递业务量预测模型  

作　　者：薛蓉娜[1] 张明敏 南玉婷 赵会娟[1] 

机构地区：[1]西安邮电大学现代邮政学院,西安712100

出　　处：《统计与决策》2021年第13期176-179,共4页Statistics & Decision

基　　金：陕西省软科学研究计划重点项目(2018KRZ020)。

摘　　要：快递业务量的精准预测,对优化企业生产计划和资源配置至关重要。为实现对日均快递量快速、准确地预测,文章提出一种基于GRU深度学习算法的快递业务量预测模型。为验证其性能,利用511天的数据进行测试,并与ARIMA、LSTM等经典算法进行对比试验,同时讨论了该模型在平常日、节假日和电商节的有效性。结果表明,该算法的RMSE为23976.47,R-Squared为0.92,预测准确率为97.50%,性能均优于对比算法。

关 键 词：快递业务量预测 GRU深度学习算法 快递企业 

分 类 号：F252[经济管理—国民经济] TP391[自动化与计算机技术—计算机应用技术]