摘要
由于我国公路交通货运量数据序列呈非凸凹一致、非光滑分布的特点,传统神经网络预测效果差强人意,因此,采用性能更优的长短期记忆神经网络模型(LSTM)对其进行预测。结果显示:LSTM模型平均预测误差仅为0.9917%,比支持向量机算法的4.8607%减小了79.5976%,比随机森林算法的2.4772%减小了59.8859%。并运用LSTM组合模型预测了2022—2026年我国公路货物运输量。通过分析,表明这一预测结果有较高的可信度。
出处
《陕西交通科教研究》
2022年第3期9-13,共5页
SHAANXI TRANSPORT SCIENCE & EDUCATION RESEARCH
基金
2020年湖北省自然科学基金项目(项目编号:2020CFB232)。
