文献类型：期刊文章

作　　者：钟蒙[1] 薛运强[1] 周珣[2] 张兵[1] 周丹丹[1]

ZHONG Meng;XUE Yun-qiang;ZHOU Xun;ZHANG Bing;ZHOU Dan-dan(School of Transportation and Logistics, East China Jiaotong University, Nanchang 330013, China;Planning Office of Jiangxi Provincial Department of Transportation, Nanchang 330000, China)

机构地区：[1]华东交通大学交通运输与物流学院,南昌330013 [2]江西省交通运输厅规划办公室,南昌330000

出　　处：《科学技术与工程》

基　　金：国家自然科学基金(71961006);江西省社科规划项目青年项目(18GL37);江西省交通厅规划办项目(2004520065)。

年　　份：2021

卷　　号：21

期　　号：24

起止页码：10478-10484

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：鉴于反向传播(back propagation,BP)神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省统计年鉴数据为基础,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均国内生产总值(gross domestic product,GDP)作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证。结果表明:本文方法非线性拟合效果较好,具有较高的预测精度。

关 键 词：公路货运量预测  灰色关联度分析 反向传播(BP)神经网络  

分 类 号：U121[交通运输类]