基于改进LSSVM模型的区域铁路货运量预测

摘要：

准确的区域铁路货运量预测在区域物流顶层规划、运输资源合理配置及其他物流辅助活动中起着重要的参考作用.针对LSSVM模型参数选择敏感和选择随意,且多输入条件下模型过程计算复杂的问题,提出一种融合PCA方法、WOA算法和LSSVM模型的区域铁路货运量预测新方法.采用PCA方法提取样本数据的主成分作为模型的输入,利用WOA算法全局搜索能力强、寻优效率高的优点对LSSVM模型的参数组合(λ,δ)进行寻优,得到基于改进LSSVM的区域铁路货运量预测模型.以陕西省2001-2019年与铁路货运量相关的18个指标数据作为样本,通过实际算例验证模型的预测性能.结果表明,所建模型的最大相对误差绝对值达到2.724％,相较于传统LSSVM模型和WOA-LSSVM模型降低了7.748％和3.589％,且模型的泛化能力和稳定性都得到了提升.

关键词：区域铁路货运量、预测、LSSVM模型、PCA、WOA算法

所属期刊栏目：44

分类号：U294.1+3(铁路运输管理工程)

资助基金：国家自然科学基金;国家自然科学基金;国家铁路局课题研究计划;国家铁路局课题研究计划

在线出版日期：2022-04-08（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：59-65