融合麻雀搜索与长短时记忆的疆煤铁路外运量预测

来源：交通运输系统工程与信息杂志2024年第5期北京时间：

作者：李海军, 张晓洋, 高如虎, 魏德华, 陈晓明

单位：兰州交通大学，a. 交通运输学院；b. 高原铁路运输智慧管控铁路行业重点实验室，兰州 730070

摘要：为准确预测新疆煤炭铁路外运量，本文提出一种融合麻雀搜索算法与长短时记忆网络的(SSA-LSTM)预测模型，模型引入麻雀搜索算法对长短时记忆网络(Long Short-Term Memory,LSTM)模型的超参数进行优化，以提高模型预测性能。以2015—2022年新疆煤炭铁路外运量数据为基础，综合考虑经济、运输等多种因素，对各影响因素的灰色关联度进行计算，验证所选因素与预测指标具有较强的关联度。对影响因素中的GDP数据进行消费者价格指数(Consumer PriceIndex, CPI)处理，并将处理后的数据输入模型进行预测，最后应用该模型对未来新疆煤炭初、近、远期铁路外运量进行预测。研究结果表明，SSA-LSTM 模型的预测效果显著优于 BP(BackPropagation)神经网络和传统 LSTM 模型，平均绝对百分比误差(MAPE)为 0.88%，均方根误差(RMSE)为 49.9。同时，与未经 CPI 处理的预测相比，经过 CPI 处理后预测误差更小，MAPE 和RMSE分别降低了75.8%和56.2%。本文为新疆煤炭铁路外运量预测提供了一种有效方法，为疆煤外运通道设计提供了重要数据支撑。

关键词：铁路运输,疆煤铁路外运量,SSA-LSTM模型,灰色关联分析,预测

基金资助：国家自然科学基金(72361020)；中国国家铁路集团有限公司科技研究开发计划项目(K2023X019)。