基于卷积神经网络的动车组保有量预测
计算机视觉与模式识别
2018-09-05 v1
摘要
随着高速铁路网扩张与客运需求增长，中国动车组（EMU）保有量需相应调整。通常一列 EMU 列车耗资数千万美元，构成资本投入的重要部分。因此，EMU 保有量预测已引起相关铁路部门日益增多的关注。本文首先介绍卷积神经网络（CNN）的典型架构及其基本理论。随后，收集并预处理包括客运量与运营高铁里程等九项指标的若干数据。接着，构建并训练一个 CNN 与一个反向传播神经网络（BPNN），旨在预测随后年份的 EMU 保有量。深入分析了这两种网络在计算实验中的差异与表现。结果表明，CNN 在泛化能力与拟合精度上均优于 BPNN，且 CNN 可作为 EMU 保有量预测的辅助手段。
引用
@article{arxiv.1809.00491,
title = {Prediction of Electric Multiple Unit Fleet Size Based on Convolutional Neural Network},
author = {Boliang Lin},
journal= {arXiv preprint arXiv:1809.00491},
year = {2018}
}
备注
13 pages,7 figures