|
|
|
| 基于GRA-ARIMA-LSTM组合模型的中欧班列回程开行数量预测 |
| 赵海文，魏海蕊 |
| 上海理工大学 管理学院，上海 200093 |
|
|
|
|
摘要 针对中欧班列回程开行数量的预测问题，提出一种基于灰色关联分析-差分整合移动平均自回归-长短期记忆网络（GRA-ARIMA-LSTM）组合模型开行数量预测方法。首先采用GRA方法选取相关性高的影响因素作为神经网络输入，并通过ARIMA模型处理回程开行数量时间序列的历史信息以获得线性预测值及其残差序列。随后采用LSTM模型对这些残差和其他相关因素进行深入研究，预测残差序列中的非线性因子。最终通过均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数（R2）三个评价指标评估组合模型与两个单一模型的预测结果。研究结果表明，GRA-ARIMA-LSTM联合模型的指标为R2=0.987 6，MAPE=0.012 4，RMSE=0.083。该组合模型预测精度最高，误差最小，更适合于中欧班列回程开行数量数据的预测分析，不仅为中欧班列运力资源的合理调度和降低回程货运提供了理论支持，而且对于提高预测准确性和决策效率具有重要意义。
|
|
| 关键词:
中欧班列
回程开行数量
长短期记忆网络
预测模型
平均绝对百分比误差
|
|
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 |
|
|
|
|
