基于LSTM-RBF的水路货运量预测

摘要：

水路运输是交通和货运的重要组成部分,水路货运量的预测对各地经济发展有重要意义.近年来随着经济形势的变化和多式联运的快速发展,水路货运量的数据波动加大,精准预测的难度变得更大.因此提出了一种基于长短期记忆网络(long short-term memory,LSTM)和径向基神经网络(radial basis function,RBF)的组合预测模型.在LSTM-RBF预测模型中,第一阶段通过LSTM对各指标进行精准预测,减少指标值误差对目标值预测带来的影响;第二阶段训练RBF神经网络并在未来指标值的基础上对目标值(水路货运量)进行预测.该模型既避免了时间序列预测仅考虑单一影响因素的缺陷,又能够把LSTM的长时记忆优势带入RBF的回归预测中.实验结果表明,LSTM-RBF预测模型在均方根误差和拟合度方面,均优于其他对比模型,该预测模型对水路货运量的预测有着较高的准确度.

关键词：水路货运量、偏相关分析、LSTM模型、RBF模型、组合预测

所属期刊栏目：23

分类号：U695.2+11(水路运输技术管理)

资助基金：湖北省教育厅高等学校哲学社会科学研究重大项目19ZD015

在线出版日期：2023-07-20（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：7995-8001