基于ARIMA-LSTM的货运量组合预测方法研究

作者：杨艳; 黄晴; 龙思; 潘自翔; 欧阳瑞祥

来源：交通科学与工程, 2022, 38(02): 102-108.

DOI：10.16544/j.cnki.cn43-1494/u.2022.02.011

• 货运量预测
• ARIMA
• LSTM循环神经网络
• 组合预测模型

针对仅考虑单一线性或非线性的货运量预测方法的不足，基于ARIMA和LSTM循环神经网络预测模型，提出ARIMA-LSTM 4种组合预测模型，实现综合考虑线性与非线性特征的货运量预测。研究结果表明：任意一种ARIMA-LSTM的组合模型的货运量预测精度均优于单一模型的，由误差倒数确定权重系数的并联组合模型预测精度最优，该模型相比于ARIMA，均方根误差降低40.66%，平均绝对误差降低29.76%，平均绝对百分比误差降低51.45%；相比于LSTM，均方根误差降低13.67%，平均绝对误差降低10.75%，平均绝对百分比误差降低36.32%，该研究可为货运量预测提供有效依据。

• 单位
  长沙理工大学