基于MI-PSO-RBF神经网络的铁路客货运量预测研究

作     者：薛锋 吴林鸿 汪雯文 周琳 XUE Feng;WU Linhong;WANG Wenwen;ZHOU Lin

作者机构：西南交通大学交通运输与物流学院四川成都611756 西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都611756 西南交通大学综合交通大数据应用技术国家工程实验室四川成都611756 

出 版 物：《铁道运输与经济》 (Railway Transport and Economy)

年 卷 期：2024年第46卷第9期

页      面：123-135页

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家铁路局科研项目(市场委合2022-3/2024-2号) 四川省哲学社会科学规划项目“四川统计发展”专项课题(SC23TJ038) 四川循环经济研究中心项目(XHJJ-2405) 

主　　题：客货运量预测 互信息素 粒子群算法 RBF神经网络 影响因素法 

摘      要：准确地预测铁路客货运量对合理配置运输资源、提高铁路客货运组织工作效率有重要作用。为提高铁路客货运量的预测精度,提出一种基于MI-PSO-RBF神经网络的客货运量组合预测模型。本研究对铁路客货运量的影响因素及其内在关联进行分析,选取相关指标,利用互信息素法对指标进行筛选,构建影响因素指标体系。基于该指标体系,运用粒子群算法优化的RBF神经网络模型分别对铁路客货运量进行预测,并与传统的BP神经网络、RBF神经网络预测模型进行比较。结果显示,经过参数调整优化后的MI-PSO-RBF神经网络在铁路客运量及货运量的预测精度方面表现最佳,测试集R2分别达到了0.9481与0.9911,具有较高的精度及泛化能力,表明该组合预测模型能够进一步提升神经网络模型预测铁路客货运量精确度。