基于LSTM网络的铁路货运量预测

被引：42

作者：

程肇兰 ^{[1
]}

张小强 ^{[1
,2
,3
]}

梁越 ^{[1
]}

机构：

[1] 西南交通大学交通运输与物流学院

[2] 综合交通大数据应用技术国家工程实验室

[3] 综合交通运输智能化国家地方联合工程实验室

来源：

铁道学报 | 2020年 / 42卷 / 11期

关键词：

铁路运输; 货运量预测; LSTM网络; 时间序列; 深度学习;

D O I：

暂无

中图分类号：

U294.13 [];

学科分类号：

摘要：

准确预测铁路货运量对铁路货运组织工作的开展极为重要,特别是短期(月、日)货运量数据直接关系到铁路各项运输计划的编制。人工神经网络模型因其强大的学习能力而被广泛运用于各领域的预测,其中的LSTM网络适合处理和预测铁路货运量这类间隔和延迟相对较长的时间序列。考虑不同时期货运数据的特点分别建立基于月货运量数据的LSTM多变量预测模型和基于日货运量数据的LSTM时间序列模型。基于广铁2010—2017年的货运量数据,运用所建模型预测各月和每日的货运发送量,并与ARIMA模型预测方法和BP神经网络方法的预测结果相比较。结果表明,LSTM网络预测效果更佳。

引用

页码：15 / 21

页数：7

共 11 条

[1]

Empirical estimation of price and income elasticities of air cargo demand: The case of Hong Kong.[J].Winnie Wai Ling Lo;Yulai Wan;Anming Zhang.Transportation Research Part A.2015,

[2] Long short-term memory [J].