典型文献
基于随机森林的铁路冷藏运输需求预测
文献摘要：
为提升铁路冷藏运输效率和实现铁路冷藏运输资源的合理配置,推进铁路冷藏运输的快速发展,对铁路冷藏运输需求进行预测尤为重要.在分析铁路冷藏运输影响因素基础上,利用Spearman相关性分析进行特征筛选.结合Spearman相关性分析结果,构建基于随机森林的铁路冷藏运输需求预测模型,并与BP神经网络,AdaBoost,Bagging和未经特征筛选的随机森林预测模型的预测结果进行对比分析.研究结果表明:经Spearman相关性分析进行特征筛选后构建的随机森林回归预测模型的平均绝对误差和拟合优度值均优于其他模型,均方根误差值仅高于BP神经网络.随机森林回归预测模型的泛化能力较好,且特征筛选能够提高模型的预测精度.
文献关键词：
铁路冷藏运输;需求预测;随机森林;特征筛选
中图分类号：
作者姓名：
夏伟怀;刘嘉莉;冯芬玲
作者机构：
中南大学 交通运输工程学院,湖南 长沙 410075
文献出处：
引用格式：
[1]夏伟怀;刘嘉莉;冯芬玲-.基于随机森林的铁路冷藏运输需求预测)[J].铁道科学与工程学报,2022(04):909-916
A类：
B类：
铁路冷藏运输,运输需求预测,运输效率,特征筛选,AdaBoost,Bagging,随机森林预测模型,随机森林回归,回归预测模型,平均绝对误差,拟合优度,误差值,泛化能力
AB值：
0.157568
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。
