|
|
|
| 考虑多因素的动态优化深度学习铁路货运量预测模型 |
| 张 阳1，赖兴南1，姚芳钰2 |
1.福建理工大学 交通运输学院,福建 福州 350118；
2.福建省建筑科学研究院有限责任公司 福建省绿色建筑技术重点实验室，福建 福州 350000 |
|
|
|
|
摘要 针对铁路货运量预测中存在因社会活动因素影响导致预测精度不够准确，以及模型训练过程中出现泛化性弱等问题，提出一种考虑多因素的动态优化深度学习铁路货运量预测模型（GRA-MABiLSTM-HHO）。通过综合考虑铁路货运量相关的量化指标，在直接和间接两个维度选取多种重要的社会活动因素，并对其与铁路货运量之间的关联度进行建模分析；进而考虑相关因素对预测精度的影响，构建BiLSTM网络并在模型中融合多头注意力机制，实现数据关联关系的捕捉和挖掘。为了进一步增强模型的泛化能力和预测精度，提出一种改进的动态优化HHO算法，对BiLSTM网络结构的初始参数进行动态优化。最后以广东省2021年1月至2023年12月的铁路货运量数据为依据，验证所提出的预测模型的有效性。结果表明，GRA-MABiLSTM-HHO模型在预测精度上优于经典预测模型，能有效提高铁路货运量预测精度。
|
|
| 关键词:
铁路货运量
灰色关联分析
BiLSTM
多头注意力
改进HHO算法
|
|
出版日期: 2024-10-15
发布日期: 2024-12-23
整期出版日期: 2024-10-15
|
| No Suggested Reading articles found! |
|
|
Viewed |
|
|
|
Full text
|
|
|
|
|
Abstract
|
|
|
|
|
Cited |
|
|
|
|
| |
Shared |
|
|
|
|
| |
Discussed |
|
|
|
|
