摘要
随着现代物流行业的发展,公路运输作为一种重要的货物运输方式正在扮演着越来越重要的角色。公路运输具有灵活、快速、点对点等优势,尤其对于短途、小批量货物运输需求更加广泛。公路运价预测作为运输流程的关键环节之一,已成为政府部门和物流业关注的焦点问题。公路运价预测任务受到多种因素影响,如市场需求、运输距离、油价和政策变化等。这些因素之间相互作用,增加了公路运价准确预测的难度。针对这个问题,文章提出了一种基于深度神经网络的公路运价预测模型,以应对公路运价预测的挑战。其主要贡献在于:传统的多变量时序预测模型采用线性或非线性回归模型,但这些模型往往受到变量之间非线性、时间动态性和复杂依赖性的建模能力限制。文章采用基于图神经网络的MTGNN模型,对公路运价预测进行了应用研究。该模型由图卷积网络和时序卷积网络两部分组成。首先,通过神经网络学习图结构并计算邻接矩阵来表示节点之间的依赖关系和实现节点聚合。然后,使用图卷积网络模块对节点信息进行传播,从而获取更准确的节点表示。接下来,时序卷积网络提取经过图卷积网络学习后结果中的时序特征,实现对未来公路运价的预测。最后,输出层对时序输出结果进行计算,得出模型预测结果。
- 单位