疫情下基于GC-rBPNN模型的公路货运量预测方法

作者：田晟; 李成伟; 黄伟; 王蕾

来源：广西师范大学学报(自然科学版), 2021, 39(06): 24-32.

DOI：10.16088/j.issn.1001-6600.2020102902

• 公路货运量
• 疫情
• 灰色关联度
• BP神经网络
• 组合预测模型

新冠疫情期间,公路货运量明显下滑,公路运营状况变化复杂,亟须科学预测公路货运量。通过灰色关联分析,确定疫情期间公路货运量主要影响因素,构建了基于灰色组合（GC）-修正BP神经网络（rBPNN）模型的公路货运量预测方法。以我国2017年7月—2020年5月的公路货运量统计数据为原始数据,对BP神经网络进行训练和检验,并引入修正系数HM对预测结果进行修正。以疫情期间近5个月数据为基础,用灰色组合模型预测下月公路货运量各主要影响因素值,再运用修正BP神经网络预测我国2020年6月的公路货运量。将GC-rBPNN模型与其他预测方法进行对比分析,GC-rBPNN模型的PE和MAPE分别为0.21%和3.21%,结果表明,GC-rBPNN模型的预测精度更高,有一定的可行性和有效性。

• 单位
  广州市交通设计研究院有限公司; 华南理工大学