基于GB-CART集成算法的铁路物流需求量预测

发布时间：2017-10-22 16:31

  本文关键词：基于GB-CART集成算法的铁路物流需求量预测

  更多相关文章： 铁路物流需求量 集成学习 分类与回归树 梯度提升

【摘要】：为了准确、快速地对铁路物流需求量进行预测,针对现有铁路物流需求量预测模型存在的问题,采用梯度提升算法对分类与回归树算法进行集成,提出一种GB-CART集成算法。以1990~2014年的铁路物流需求量为研究对象,选取预测年份前3年的铁路物流需求量作为模型输入,预测年份铁路物流需求量作为模型输出,采用GBCART集成算法进行仿真实验,并与单一CART、SVR、RBF和LR模型进行比较。结果表明:GB-CART模型的预测效果与单一CART模型相比得到了大幅度提升,且预测精度高于SVR、RBF和LR,验证了所提出模型的有效性及准确性。
【作者单位】： 辽宁工程技术大学营销管理学院;
【关键词】： 铁路物流需求量 集成学习 分类与回归树 梯度提升
【基金】：国家自然科学基金(51374121)资助
【分类号】：F224;F532.3;F259.2
【正文快照】： 1引言铁路物流需求量预测是指依据铁路运输、社会发展与国民经济的相关数据,采用科学方法对未来铁路物流需求量进行推测的工作[1]。科学准确地对铁路物流需求量进行预测,能为铁路发展规划的制定、铁路运输企业的决策经营以及国家区域经济发展的规划等提供科学依据[2-4]。因此,

【相似文献】

中国期刊全文数据库 前4条

1 李磊;刘叶;;我国社会物流需求量的非线性回归预测[J];江南大学学报(自然科学版);2014年03期

2 杨茂盛,孙珂;人工神经网络技术在物流需求量预测中的应用[J];物流技术;2005年05期

3 赵婉;;基于指数平滑法对陕西省高速公路服务区物流需求量的预测分析[J];经济研究导刊;2014年15期

4 ;[J];;年期

中国硕士学位论文全文数据库 前1条

1 高文相;大理州物流需求量预测研究[D];昆明理工大学;2015年

，

本文编号：1079220