典型文献
基于蜻蜓算法的铁路货运量预测模型研究
文献摘要：
为了提高铁路货运量的预测精度,针对长短期记忆神经网络性能受隐含层神经元数量、分块尺寸、最大训练周期数以及学习率的影响,提出一种基于改进的蜻蜓算法优化LSTM(Improved DA-LSTM)的铁路货运量预测模型.首先,为提高蜻蜓算法的收敛速度和避免局部最优问题,提出一种佳点集初始化种群的改进蜻蜓算法.其次,为提高LSTM模型的性能,运用改进的蜻蜓算法优化选择LSTM模型参数并进行铁路货运量预测.选择我国2001—2019年铁路货运量数据为研究对象,与DA-LSTM、GA-LSTM、PSO-LSTM、LSTM和BPNN相比,Improved DA-LSTM铁路货运量预测模型预测精度分别提高了0.6642％、0.6776％、1.2038％、1.3853％和2.0466％.
文献关键词：
蜻蜓算法;长短期记忆;铁路货运量;佳点集;神经网络
中图分类号：
作者姓名：
欧雅琴;余雷
作者机构：
巢湖学院 工商管理学院,安徽 巢湖238024
文献出处：
引用格式：
[1]欧雅琴;余雷-.基于蜻蜓算法的铁路货运量预测模型研究)[J].安阳师范学院学报,2022(05):42-46
A类：
B类：
蜻蜓算法,铁路货运量预测,提高铁路,长短期记忆神经网络,网络性能,隐含层,分块,训练周期,期数,学习率,算法优化,Improved,DA,收敛速度,局部最优,佳点集,初始化,优化选择,GA,PSO,BPNN
AB值：
0.164553
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。
