基于VMD-BAS-BP的铁路货运量预测研究

作者：刘金芳; 向万里; 王璐璐

来源：青海交通科技, 2021, 33(06): 50-68.

• 铁路货运量
• 变分模态分解
• 天牛须搜索算法
• BP神经网络
• 预测

为了提高货运量预测精度，保障铁路货运设施得到充分利用，有效提升运输效益，提出一种基于VMD-BAS-BP的混合预测模型。该模型采用变分模态分解(Variational Mode Decomposition, VMD)技术对货运量进行降噪与信号分离，将原始序列分解成n个有限带宽的本征模态分量，然后运用天牛须搜索算法(Beetle Antennae Search, BAS)优化BP神经网络的权值与阈值，对每组模态分量分别进行预测并集成预测结果。实验结果表明：VMD-BAS-BP预测模型的MAPE值为1.40%,与BP、BAS-BP、VMD-BP、VMD-GA-BP模型相比分别降低了85.34%、82.33%和52.38%和24.73%,该混合模型鲁棒性较好且预测精度高，对铁路货运管理决策具有显著的理论指导意义。

• 单位
  兰州交通大学; 交通运输学院