基于灰色关联和BP神经网络的铁路货运量预测方法
100 积分
50
评分
4.5 积分- 详情
- 2021-04-27
- 简介
pdf
- 331KB
- 页数 5P
- 阅读 105
- 下载 35
为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于BP神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明：BP神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于灰色关联和BP神经网络的铁路货运量预测方法 331KB
基于BP神经网络的公路客运量和货运量预测方法研究 179KB
基于广义回归神经网络的公路货运量预测方法研究 483KB
基于神经网络的公路货运量预测方法研究 127KB
基于RBF神经网络的公路货运量预测方法研究 603KB
基于改进灰色-Markov模型的铁路货运量需求预测 124KB
基于灰色Verhulst模型的铁路货运量预测研究 2.4MB
基于灰色和神经网络的铁路客运量预测研究 148KB
基于灰色和神经网络的铁路客运量预测研究 148KB
基于灰色-马尔可夫链的铁路货运量预测研究 300KB