典型文献
基于X11-WT-LSTM的物流货运量多尺度组合预测研究
文献摘要：
为提高物流货运量预测精度,提出一种基于X11季节调整和小波多尺度分解-长短期记忆神经网络(X11-WT-LSTM)的组合预测模型.首先,对原始数据进行季节调整,并通过小波分解(WT)将数据分解为高频序列、低频序列和趋势项;其次,分别使用长短期记忆神经网络(LSTM)、BP神经网络和Holt指数平滑法进行单项预测;最后,利用最小二乘线性回归对结果进行集成,并进行误差检验.实证结果表明:多尺度组合预测模型能明显提高预测精度,预测效果优于LSTM、ARIMA等单项预测方法以及未经季节调整的组合预测模型,为物流货运量预测提供了新的思路.
文献关键词：
物流工程;组合预测;长短期记忆模型;物流货运量;小波分解;X11季节调整
中图分类号：
作者姓名：
叶晓龙;罗瑞;刘金培;胡倩凝;陈华友
作者机构：
安徽大学 商学院,安徽 合肥230601;安徽大学 数学科学学院,安徽 合肥230601
文献出处：
引用格式：
[1]叶晓龙;罗瑞;刘金培;胡倩凝;陈华友-.基于X11-WT-LSTM的物流货运量多尺度组合预测研究)[J].武汉理工大学学报（信息与管理工程版）,2022(02):263-269
A类：
物流货运量
B类：
X11,WT,尺度组合,预测研究,货运量预测,季节调整,小波多尺度分解,长短期记忆神经网络,组合预测模型,原始数据,小波分解,数据分解,高频序列,趋势项,Holt,指数平滑法,ARIMA,物流工程,长短期记忆模型
AB值：
0.20788
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。
