基于集成学习的多式联运货运量预测模型构建

Please wait a minute...

下载:

PDF (522KB)
输出: BibTeX | EndNote (RIS)

摘要货运量精准预测是多式联运网络高效协同发展的重要基础，货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此，通过挖掘货物运输量（集装箱）的时间变化特征，构建初始相关时间特征输入集，结合斯皮尔曼相关性系数分布，采用Bagging+BP集成学习方法训练多个弱分类器，最终组合获取高精度的强学习模型。以南京龙潭港为例，对自回归移动平均模型（ARIMA）、Bagging+BP集成学习网络以及长短时记忆神经网络（LSTM）三种模型进行评价，实验结果表明，相比于其他模型，提出的Bagging+BP集成学习网络预测性能良好，有一定的实用价值。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	（）
	作者相关文章

关键词: 多式联运货运预测集成学习 BP神经网络时间特征

出版日期: 2021-02-25 发布日期: 2021-03-29 整期出版日期: 2021-02-25

引用本文:

韩振鑫, 温旭丽, 殷世松, 武莹莹, 张人杰. 基于集成学习的多式联运货运量预测模型构建[J]. 物流技术, 2021, 40(2): 75-.

链接本文:

http://www.logisticstech.com/CN/ 或 http://www.logisticstech.com/CN/Y2021/V40/I2/75

[1]	李浩, 童帮裕, 韦博. 基于双向评价的物流规划方法应用——以潢川县为例[J]. 物流技术, 2021, 40(4): 90-.
[2]	方松, 余跃武. 城市生态交通系统评价[J]. 物流技术, 2021, 40(2): 14-.
[3]	邓德艾, 袁世军. 多式联运与城市配送一体化组织模式[J]. 物流技术, 2021, 40(12): 12-.
[4]	于梦琦, 张嘉慧, 王思雨, 周志成, 刘伟华. 基于集拼集运模式的铁路前置仓服务体系设计[J]. 物流技术, 2021, 40(11): 1-.
[5]	李晗, 吴珍珍, 张雪雪. 基于BP神经网络与GM(1,1)组合的北京市物流需求预测模型#br#[J]. 物流技术, 2021, 40(1): 50-.
[6]	温旭丽, 陆燕楠, 向星月. 面向多式联运的货运网络优化模型构建与应用[J]. 物流技术, 2021, 40(1): 67-.
[7]	潘珠. 基于BP神经网络的海南省农产品冷链物流需求预测分析[J]. 物流技术, 2020, 39(11): 69-.

[1]	. 物流技术2019-01 [J]. , 2019, 38(01): 1 -160 .
[2]	. 2018-04目录 [J]. , 2018, 37(4): 1 -7 .
[3]	张英婷. 基于产业集群的广西北部湾物流企业竞争优势研究#br# [J]. , 0, (): 1 -4 .
[4]	张英婷. 基于产业集群的广西北部湾物流企业竞争优势研究#br# [J]. , 2019, 38(04): 1 .
[5]	王贵斌. 大宗散货海运进口业务协同服务运作模式创新研究—以浙江自贸试验区进口铁矿石为例#br# #br# [J]. , 2019, 38(04): 5 .
[6]	马振耀. 共享单车逆向物流过程中存在的问题及对策分析 [J]. , 2019, 38(04): 10 .
[7]	朱雪丽. 山东省生鲜农产品冷链物流发展现状及对策 [J]. , 2019, 38(04): 14 .
[8]	王雪琴, 谢淳, 张莉勋, 刘清. 地铁站共享单车配置量研究 [J]. , 2019, 38(04): 18 .
[9]	王清漪, 徐菱. 考虑顾客感知价值的零售商动态定价模型 [J]. , 2019, 38(04): 23 .
[10]	黄帅勋, 李琦琦. 铁路集装箱运输定价与车流径路综合优化 [J]. , 2019, 38(04): 29 .

Viewed

Full text

Abstract

Cited

Shared

Discussed