基于机器学习的铁路建设间接经济效益预测

作者：薛晓娟; 贾元华; 王晟由; 张洪辉

来源：武汉理工大学学报, 2021, 43(08): 43-50.

• 铁路运输
• 机器学习
• 卷积神经网络
• 循环神经网络
• 间接经济效益

基于卷积神经网络模型(CNN)特征信息学习特点和循环神经网络模型(RNN)时间序列学习特点,构建了铁路建设项目间接经济效益两种模型,选取1952-2019年铁路、公路、航空、水运建设项目规模及客货运周转量与国民经济历史数据为训练集。结果表明:卷积神经网络预测误差率为2.32%,均方差为29 915,长短时神经网络预测误差率为7.44%,均方差为70 258,验证了综合运输系统最优配置可促进铁路建设项目间接经济效益提升,推荐采用卷积神经网络模型预测铁路建设项目经济效益。

• 单位
  中车工业研究院有限公司; 北京交通大学; 交通运输学院; 中交第一公路勘察设计研究院有限公司