基于特征选择和神经网络的铁路货运量预测

被引：2

作者：

段力

王开鹏

刘聪健

王孙超

机构：

[1] 华中科技大学土木工程与力学学院

来源：

物流技术 | 2018年 / 37卷 / 09期

关键词：

铁路货运量; 预测; 特征选择; 神经网络;

D O I：

暂无

中图分类号：

F532 [中国铁路运输经济];

学科分类号：

020205 ; 082303 ; 1201 ; 0202 ;

摘要：

首先论述了传统铁路货运量预测方法的不足,然后介绍了广义回归神经网络预测模型以及将数据输入基于广义回归神经网络预测模型之前,采用数据筛选和模糊聚类相结合的特征选择方法,最后以广州为例,对该方法进行了验证。

引用

页码：52 / 57

页数：6

共 15 条

[1] 基于驾驶行为多元时间序列特征的愤怒驾驶状态检测 [J].

万平 ;

吴超仲 ;

林英姿 ;

马晓凤 .

吉林大学学报(工学版) , 2017, (05) :1426-1435

[2] 基于多维时间序列的ETC短时交通流量预测模型 [J].

赵亚伟 ;

陈艳晶 ;

管伟 .

交通运输系统工程与信息, 2016, 16 (04) :191-198

[3] 大数据分析的无限深度神经网络方法 [J].

张蕾 ;

章毅 .

计算机研究与发展, 2016, 53 (01) :68-79

[4] 道路交通流状态的多参数融合预测方法 [J].

马庆禄 ;

刘卫宁 ;

孙棣华 .

物理学报, 2012, 61 (16) :535-542

[5] 基于ARIMA与人工神经网络组合模型的交通流预测 [J].

谭满春 ;

冯荦斌 ;

徐建闽 .

中国公路学报, 2007, (04) :118-121

[6] 多变量时间序列模型识别方法 [J].

吕忠伟 ;

秦建国 .

统计与决策, 2007, (02) :129-131

[7] 道路交通事故多因素时间序列宏观预测模型 [J].

季彦婕 ;

王炜 ;

邓卫 .

武汉理工大学学报(交通科学与工程版), 2006, (03) :433-436

[8] 交通流预测方法综述 [J].

刘静 ;

关伟 .

公路交通科技, 2004, (03) :82-85

[9] 多因素时间序列法的研究 [J].

方子良 ;

高骏 ;

王军辉 .

南京理工大学学报(自然科学版), 2003, (03) :298-300

[10] 基于非参数回归的短时交通流量预测与事件检测综合算法 [J].

宫晓燕 ;

汤淑明 .

中国公路学报, 2003, (01) :83-87

← 1 2 →