基于改进粒子群优化算法的灰色神经网络的铁路货运量预测

？针对现有铁路货运量预测方法的不足,提出基于改进粒子群优化算法的灰色神经网络（ipso-gnn）的铁路货运量预测方法,通过ipso对常规灰色神经网络（gnn）的白化参数进行优化,改善了gnn的不足,保证了预测精度；同时利用灰色关联分析法,计算了铁路货运量和影响因素间的关联度,以最主要的6个关联因素,建立了基于ipso-gnn的铁路货运量预测模型。仿真实验结果表明,在铁路货运量预测中此模型预测精度优于常规gnn及其他预测方法,说明此预测方法有效可行。