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 XU Yuping;DENG Junxiang;JIANG Zehua

作者机构：华东交通大学交通运输与物流学院江西南昌330013 

出 版 物：《铁道科学与工程学报》 (Journal of Railway Science and Engineering)

年 卷 期：2021年第18卷第1期

页      面：243-249页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(51708218) 江西省社科规划项目(18YJ16) 南昌市社科重点规划项目(JJ210802)。 

主　　题：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 

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。