基于CNN-GRU-Attention模型的铁路集装箱运输时间预测
王辉
宋瑞
何维
蔡近近
龙泽雨
丛铭
北京交通大学 交通运输学院,北京 100044
摘要：针对精准预测集装箱运输时间的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)、门控循环单元(Gated Recurrent Unit,GRU)和注意力机制(Attention Mechanism,Attention)的混合模型CNN-GRU-Attention(CGA).筛选出运输距离、是否跨局运输等若干对铁路集装箱运输时间有影响的因素,并利用滑动窗口的方式来划分数据并输入到模型中.模型以CNN-GRU为主体框架,用于提取数据特征和捕捉数据中的长时间依赖关系,并利用注意力模块增强对关键信息的聚焦能力.使用均方误差(Mean Square Error,MSE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)、决定系数(Coefficient of Determina-tion,R2)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)作为评价指标,并选取典型的机器学习和深度学习模型作为对比模型.研究结果表明:CGA模型的预测误差MSE为77.84,RMSE为8.82,MAE为2.72,R2为0.958,MAPE为4.47%;相较于其他模型,CGA模型对铁路集装箱运输时间具有更高的预测准确度,能够实现较好的预测效果.
关键词：铁路运输铁路集装箱运输时间预测卷积神经网络注意力机制
分类号：U294.3(铁路运输管理工程)
论文发表日期：2025-08-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 115-121 )
英文信息