文献类型：期刊文章

作　　者：徐玉萍[1] 邓俊翔[1] 蒋泽华[1]

XU Yuping;DENG Junxiang;JIANG Zehua(School of Transportation and Logistics,East China Jiaotong University,Nanchang 330013,China)

机构地区：[1]华东交通大学交通运输与物流学院,江西南昌330013

出　　处：《铁道科学与工程学报》

基　　金：国家自然科学基金资助项目(51708218);江西省社科规划项目(18YJ16);南昌市社科重点规划项目(JJ210802)。

年　　份：2021

卷　　号：18

期　　号：1

起止页码：243-249

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。

关 键 词：铁路货运量 乘积季节模型  LSTM模型  组合预测模型  注意力机制  

分 类 号：U294.13[物流管理与工程类]