基于施工天窗日的重载铁路货运量预测

被引:0
作者
周瑾 [1 ,2 ]
刘子扬 [1 ,2 ]
刘永壮 [1 ,2 ]
马锐 [1 ,2 ]
机构
[1] 北京全路通信信号研究设计院集团有限公司
[2] 列车自主运行智能控制铁路行业工程研究中心
基金
国家重点研发计划;
关键词
重载铁路; 货运量; 长短记忆模型; 施工天窗;
D O I
暂无
中图分类号
U296 [重载铁路运输]; U294.13 [];
学科分类号
摘要
货运量是重载铁路运输日常管理最重要的指标之一,基于重载铁路运输大数据分析平台,针对重载铁路货运生产调度中每日货运量预测的问题,考虑不同线路施工天窗对货运量的影响,构建基于LSTM的货运量预测模型。建立某厂矿铁路集团、子公司货运量预测数据集,基于施工天窗信息特点对LSTM模型进行改造,通过训练与调参,算法在真实数据集上比ARIMA、原生LSTM、GRU等模型效果提升明显,能较好解决日货运量数据波动大和非平稳性突出的问题。模型效果验证后在综合调度信息系统上线,根据新增数据每日进行推算和展示,减轻了货运统计分析人员的工作负担。
引用
收藏
页码:28 / 34+83 +83
页数:8
相关论文
共 16 条
  • [1] 重载铁路运输大数据分析平台架构设计研究
    宋宗莹
    王文斌
    刘子扬
    周瑾
    刘永壮
    [J]. 铁路通信信号工程技术, 2023, 20 (11) : 44 - 49
  • [2] 车站站名与电务设备相关数据的关联性研究
    刘磊
    徐效宁
    李辉
    易海旺
    孙帝
    [J]. 铁路通信信号工程技术, 2023, 20 (05) : 1 - 5+20
  • [3] 基于Bi-LSTM网络的铁路短期货运量预测研究
    郭洪鹏
    刘斌
    肖尧
    [J]. 铁道货运, 2022, 40 (02) : 52 - 58
  • [4] 基于改进LSSVM模型的区域铁路货运量预测
    陈鹏芳
    孟建军
    李德仓
    胥如迅
    [J]. 铁道运输与经济, 2022, (02) : 59 - 65
  • [5] 基于组合输入ES-GA-BP的中欧班列货运量预测
    张英贵
    杨蕙瑜
    雷定猷
    [J]. 深圳大学学报(理工版), 2022, (02) : 168 - 176
  • [6] 基于GRU深度网络的铁路短期货运量预测
    谭雪
    张小强
    [J]. 铁道学报, 2020, 42 (12) : 28 - 35
  • [7] 基于LSTM网络的铁路货运量预测
    程肇兰
    张小强
    梁越
    [J]. 铁道学报, 2020, 42 (11) : 15 - 21
  • [8] 铁路货运增量调度指挥优化对策
    刘秋成
    [J]. 铁道货运, 2020, 38 (09) : 1 - 5+11
  • [9] 胶州铁路物流中心运量预测研究
    何西健
    [J]. 铁道运输与经济, 2020, 42 (07) : 97 - 102
  • [10] 大秦铁路煤炭运输需求分析与预测
    倪继娜
    张巍
    张栋
    [J]. 铁道货运, 2020, 38 (01) : 49 - 54