文献

J-GLOBAL ID：202202258720295865   整理番号：22A0778563

グレイ発生率分析とRNNに基づく鉄道月貨物量の予測【JST・京大機械翻訳】

Prediction of Railway Monthly Freight Volume Based on Grey Incidence Analysis and RNN

著者 (1件)： Cao Yuxin (School of Traffic and Transportation, Beijing Jiaotong University, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 867  ページ： 326-334  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 鉄道輸送計画を作成し鉄道貨物競争力を改善するために鉄道月貨物量を正確に予測することは極めて重要である。本論文は,灰色発生解析に基づく毎月の貨物量に影響する要因のスクリーニングモデルを提唱した。マクロ経済の3つの一次指標の下の23の二次指標から,インフラストラクチャ建設と他の輸送モード,13の指標は,毎月の貨物量に影響する重要な指標として選択した。その後,パパーは,LSTMとGRUに基づく毎月の貨物量予測モデルを提唱した。モデルは,2008年から2019年までの鉄道貨物量の毎月のデータを用いて,中国国立統計局から得た。結果は,2つのニューラルネットワークの平均絶対パーセント誤差が5%未満のレベルに達することができることを明らかに示した。GRUと比較して,LSTMはRMSE,MAEおよびMAPEに対してより良い予測効果を有した。この論文で提案されたモデルは,輸送計画を作って,新しいアイデアを提唱するための関連鉄道部門のための基礎を提供する。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *鉄道 ,  輸送計画 ,  鉄道貨物 ,  鉄道輸送 ,  ニューラルネットワーク ,  中華人民共和国 ,  *貨物 ,  モデル ,  インフラストラクチャー ,  輸送 ,  指標 ,  スクリーニング ,  競争力 ,  予測モデル
準シソーラス用語： マクロ経済学 , 【Automatic Indexing@JST】

著者キーワード (3件)： 貨物量予測 ,  グレイ入射解析 ,  LSTM;GRU

分類 (3件)： 鉄道輸送・サービス一般  (TC01010R) ,  物的流通  (KA08000O) ,  運輸交通・サービス一般  (TA01010L)

タイトルに関連する用語 (8件)： グレイ ,  発生率 ,  分析 ,  RNN ,  鉄道 ,  月 ,  貨物 ,  予測