典型文献
基于灰色-广义回归神经网络模型的城市群交通运输能力预测
文献摘要：
城市群交通运输能力是构建国家综合立体交通网的战略基石.鉴于传统预测方法难以适应城市群交通运输能力影响因素众多且存在时变、耦合、不确定性强等特征,提出了一种灰色-广义回归神经网络的复合模型,以预测未来城市群交通运输能力.首先,选用LASSO算法筛选主要影响变量来降低数据复杂度,运用GM(1,1)模型弱化数据序列的随机性,预测影响变量时间序列的变化趋势,并填补数据缺失.然后,以2000-2019年京津冀城市群的数据集训练GRNN模型,根据GM(1,1)模型预测出的2020-2025年城市群交通运输能力影响因素,得出未来年份交通运输能力动态趋势.结果表明,复合预测模型精度优于传统方法,有效减少了小样本预测的不确定性.最后,结合预测结果分析了京津冀城市群核心区位城市的发展方向,为助力构建以城市群为重要抓手的新发展格局进行了前瞻性探讨.
文献关键词：
交通运输工程;城市群;灰色-广义回归神经网络模型;交通运输能力预测
中图分类号：
作者姓名：
王亦虹;李雅萱;田平野;罗久刚
作者机构：
天津理工大学管理学院,天津300384;中国铁建华北投资发展有限公司,河北石家庄050011
文献出处：
引用格式：
[1]王亦虹;李雅萱;田平野;罗久刚-.基于灰色-广义回归神经网络模型的城市群交通运输能力预测)[J].重庆交通大学学报（自然科学版）,2022(08):8-16
A类：
交通运输能力预测
B类：
广义回归神经网络,群交,国家综合立体交通网,传统预测,应城市,复合模型,预测未来,未来城市,LASSO,选主,影响变量,来降,GM,数据序列,随机性,补数,数据缺失,京津冀城市群,集训,GRNN,预测出,来年,力动态,动态趋势,复合预测,预测模型精度,小样本预测,核心区,交通运输工程
AB值：
0.272028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
