典型文献
基于Bi-LSTM网络的铁路短期货运量预测研究
文献摘要：
短期货运量预测研究是铁路运输企业编制日常工作计划的重要依据,准确的货运量预测结果对铁路货运组织工作具有积极意义.针对铁路短期货运量预测,建立基于双向长短时记忆网络(Bi-LSTM)的短期货运量预测模型,以某铁路局集团公司4 122 d、136个月的货运发送量为实验数据分别进行各月和每日货运发送量的预测,其误差分别为5.30％和6.92％,并在同样的训练集、测试集数据分集上,设置相同的超参数,与RF,SVM,XGBoost和LSTM4种模型的预测结果进行比较,验证Bi-LSTM网络在铁路短期货运量预测上的精确度和泛化能力较好.
文献关键词：
铁路运输;货运量;短期预测;双向长短时记忆网络;深度学习
中图分类号：
作者姓名：
郭洪鹏;刘斌;肖尧
作者机构：
兰州交通大学交通运输学院,甘肃兰州 730070
文献出处：
引用格式：
[1]郭洪鹏;刘斌;肖尧-.基于Bi-LSTM网络的铁路短期货运量预测研究)[J].铁道货运,2022(02):52-58
A类：
日常工作计划,LSTM4
B类：
Bi,期货,货运量预测,预测研究,铁路运输企业,铁路货运组织,组织工作,双向长短时记忆网络,铁路局,集团公司,发送量,日货,训练集,测试集,分集,超参数,RF,XGBoost,泛化能力,短期预测
AB值：
0.18754
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。
