基于ARIMA-LSTM的货运量组合预测方法研究

作     者：杨艳 黄晴 龙思 潘自翔 欧阳瑞祥 YANG Yan;HUANG Qing;LONG Si;PAN Zixiang;OUYANG Ruixiang

作者机构：长沙理工大学交通运输工程学院湖南长沙410114 

出 版 物：《交通科学与工程》 (Journal of Transport Science and Engineering)

年 卷 期：2022年第38卷第2期

页      面：102-108页

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)] 

基　　金：湖南省自然科学基金资助项目(2019JJ40306) 长沙理工大学道路灾变防治及交通安全教育部工程研究中心开放基金资助项目(kfj180401) 

主　　题：货运量预测 ARIMA LSTM循环神经网络 组合预测模型 

摘      要：针对仅考虑单一线性或非线性的货运量预测方法的不足,基于ARIMA和LSTM循环神经网络预测模型,提出ARIMA-LSTM 4种组合预测模型,实现综合考虑线性与非线性特征的货运量预测。研究结果表明:任意一种ARIMA-LSTM的组合模型的货运量预测精度均优于单一模型的,由误差倒数确定权重系数的并联组合模型预测精度最优,该模型相比于ARIMA,均方根误差降低40.66%,平均绝对误差降低29.76%,平均绝对百分比误差降低51.45%;相比于LSTM,均方根误差降低13.67%,平均绝对误差降低10.75%,平均绝对百分比误差降低36.32%,该研究可为货运量预测提供有效依据。