典型文献
基于改进LSSVM模型的区域铁路货运量预测
文献摘要：
准确的区域铁路货运量预测在区域物流顶层规划、运输资源合理配置及其他物流辅助活动中起着重要的参考作用.针对LSSVM模型参数选择敏感和选择随意,且多输入条件下模型过程计算复杂的问题,提出一种融合PCA方法、WOA算法和LSSVM模型的区域铁路货运量预测新方法.采用PCA方法提取样本数据的主成分作为模型的输入,利用WOA算法全局搜索能力强、寻优效率高的优点对LSSVM模型的参数组合(λ,δ)进行寻优,得到基于改进LSSVM的区域铁路货运量预测模型.以陕西省2001-2019年与铁路货运量相关的18个指标数据作为样本,通过实际算例验证模型的预测性能.结果表明,所建模型的最大相对误差绝对值达到2.724％,相较于传统LSSVM模型和WOA-LSSVM模型降低了7.748％和3.589％,且模型的泛化能力和稳定性都得到了提升.
文献关键词：
区域铁路货运量;预测;LSSVM模型;PCA;WOA算法
中图分类号：
作者姓名：
陈鹏芳;孟建军;李德仓;胥如迅
作者机构：
兰州交通大学机电技术研究所,甘肃兰州 730070;甘肃省物流及运输装备信息化工程技术研究中心,甘肃兰州 730070;甘肃省物流与运输装备行业技术中心,甘肃兰州 730070
文献出处：
引用格式：
[1]陈鹏芳;孟建军;李德仓;胥如迅-.基于改进LSSVM模型的区域铁路货运量预测)[J].铁道运输与经济,2022(02):59-65
A类：
区域铁路货运量
B类：
LSSVM,铁路货运量预测,区域物流,顶层规划,资源合理配置,参考作用,参数选择,多输入,输入条,WOA,分作,全局搜索,搜索能力,优效,数组,算例验证,验证模型,预测性能,泛化能力
AB值：
0.157764
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。
