基于灰色-反向传播神经网络的江西省公路货运量预测

摘要：

鉴于反向传播(back propagation,BP)神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度.该预测模型以江西省统计年鉴数据为基础,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均国内生产总值(gross domestic product,GDP)作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证.结果 表明:本文方法非线性拟合效果较好,具有较高的预测精度.

关键词：公路货运量预测;灰色关联度分析;反向传播(BP)神经网络

所属期刊栏目：21

分类号：U121(城市交通运输)

资助基金：国家自然科学基金;江西省社科规划项目青年项目;江西省交通厅规划办项目

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10478-10484