我国公路货物运输量长短期记忆神经网络预测分析  

作　　者：王艳 

机构地区：[1]中南民族大学经济学院,湖北武汉430074

出　　处：《陕西交通科教研究》2022年第3期9-13,共5页SHAANXI TRANSPORT SCIENCE & EDUCATION RESEARCH

基　　金：2020年湖北省自然科学基金项目(项目编号:2020CFB232)。

摘　　要：由于我国公路交通货运量数据序列呈非凸凹一致、非光滑分布的特点,传统神经网络预测效果差强人意,因此,采用性能更优的长短期记忆神经网络模型(LSTM)对其进行预测。结果显示:LSTM模型平均预测误差仅为0.9917%,比支持向量机算法的4.8607%减小了79.5976%,比随机森林算法的2.4772%减小了59.8859%。并运用LSTM组合模型预测了2022—2026年我国公路货物运输量。通过分析,表明这一预测结果有较高的可信度。

关 键 词：公路 货物运输量 预测 LSTM 

分 类 号：U491.1[交通运输工程—交通运输规划与管理]