基于深度学习的公路货运量预测系统设计
1.前言
交通运输在我国的国民经济和社会发展中起着重要的作用，其中货运量预测在国家和区域经济发展规划中具有十分重要的意义，货物运输量是衡量运输行业发展情况的重要指标，对货物运输量进行预测不仅能为交通规划，物流规划的等工作打好基础，更能为相关运输工作的开展提供数据支持。因此，拥有一个准确、简易的预测模型对货物的运输量进行合理的预测，不仅可以提高运输效率，更能促进经济的发展。
2.正文
2.1研究背景
公路运输是交通运输行业的重要组成部分，是国民经济与社会发展的基础性先导产业，其中货物运输更是人类社会的基本活动之一，对我们的日常生活有着重要的影响，同时，它也是现代社会经济活动中不可缺少的一部分。目前，我国已基本形成了公路运输、铁路运输、水路运输、管道运输等多种运输体系，它是一个综合性、多渠道的运输网络结构。其中，公路运输依靠自身的灵活性、活动性和有效性特征成为整个交通网络系统的重要组成。
货运量是确定物流需求的一个重要指标，是确定物流基础设施建设规模、制定和检查运输生产计划、研究运输发展和规模的重要指标。货运量预测是指在调查货运量及相关因素历史数据的基础上，选择合适的预测方法，对未来运量及其变化规律进行估计，为制定有关政策、编制交通运输发展规划、物流园区及货运通道发展规划等提供科学依据[1]；作为运输设施建设投资决策的基础，货运量预测在国家和区域经济发展规划中具有十分重要的意义；又由于货物运输和地方经济及企业发展的紧密联系，货运量预测成为货运系统和经济发展关系研究中的一个重要问题。从微观上讲，为运输企业、物流企业经营决策和日常管理，提高物流效率、降低物流成本具有重要的现实意义。从宏观上讲，为管理部门引导社会投资有目的进入物流服务领域，合理进行运力配置与规划、有效实施运营管理，规划物流中心与货运站场规模和改进物流供给系统等提供必要条件和依据[2]。为当地乃至全国的物流系统规划提供重要的决策依据和参考。
2.2国外研究现状
预测指根据有关的历史资料、数据，运用适当的理论和方法，对预测对象的未来状态进行分析、估计和推断，并对预测结果进行评价和应用的过程。预测方
法可以分为定性预测方法（如专家会议法、德尔菲法和主观概率法等）和定量预
测方法。自从上世纪 70 年代末从美国、日本等西方发达国家引进现代物流理念以来，国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。传统的统计理论预测模型主要包括时间序列预测模型，回归分析预测模型以及灰色预测模型等。
Suresh 和 Priya（2011）在预测中应用了 ARMA 模型，ARMA 模型的预测是针对平稳的数据序列实现的，在进行模型的应用之前，首先应确定数据序列的平稳性，在此基础上所实现的预测会具备更高的拟合效果[3]。而在2012年，Babu 和 Reddy对 ARMA 模型进行了一定的变换和改进，最终验证了基于趋势的 ARMA 模型的预测效果要高于普通的 ARMA 模型以及基于小波变换的 ARMA 模型[4]。Wuhan（2建立了基于 GM(0,N)的货物运输量灰色预测模型，并提出了确定模型中相关因素变量的方法，最后在实际算例中证明了 GM(0,N)模型相对于 GM(1,1)具有更高的精确度和可靠性[5]。此外，J Hu，Ramos 和 Santos也分别通过 ARMA 模型实现了比较好的预测效果[6]。近年来，除了ARMA模型之外，组合预测方法也成为了预测数据的热门方法，诺贝尔奖的获得者 Granger和著名的预测专家 Armstrong均出版了组合预测的书籍供学者阅读，国际上几个重要预测方向的学术刊物也专门出版了专辑来探讨组合预测模型[7]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
