基于蜻蜓算法的铁路货运量预测模型研究  

Research on Railway Freight Volume Forecast’s Model Based on Dragonfly Algorithm

作　　者：欧雅琴 余雷 OU Yaqin;YU Lei

机构地区：[1]巢湖学院工商管理学院,安徽巢湖238024

出　　处：《安阳师范学院学报》2022年第5期42-46,共5页Journal of Anyang Normal University

基　　金：安徽省高等学校人文社会科学研究项目(项目编号:SK2017A0481);巢湖学院横向课题“基于大数据的物流管理系统设计和开发”(项目编号:hxkt20210001);巢湖学院2018年度校级科研项目“基于RMS模式的古镇旅游产品同质化研究”(项目编号:XWY-201801)。

摘　　要：为了提高铁路货运量的预测精度,针对长短期记忆神经网络性能受隐含层神经元数量、分块尺寸、最大训练周期数以及学习率的影响,提出一种基于改进的蜻蜓算法优化LSTM(Improved DA-LSTM)的铁路货运量预测模型。首先,为提高蜻蜓算法的收敛速度和避免局部最优问题,提出一种佳点集初始化种群的改进蜻蜓算法。其次,为提高LSTM模型的性能,运用改进的蜻蜓算法优化选择LSTM模型参数并进行铁路货运量预测。选择我国2001—2019年铁路货运量数据为研究对象,与DA-LSTM、GA-LSTM、PSO-LSTM、LSTM和BPNN相比,Improved DA-LSTM铁路货运量预测模型预测精度分别提高了0.6642%、0.6776%、1.2038%、1.3853%和2.0466%。

关 键 词：蜻蜓算法 长短期记忆 铁路货运量 佳点集 神经网络 

分 类 号：U294.13[交通运输工程—交通运输规划与管理] TP183[交通运输工程—道路与铁道工程]