基于DEA-BPNN模型的高速列车运行线效率计算方法研究

利用数据包络分析（DEA）方法进行效率计算时，若有新增参评样本则下阶段计算时旧样本的效率计算结果可能会随之改变，针对此问题，引入反向传播神经网络（BPNN），基于含偏好序的DEA-CCR模型效率计算结果进行训练，构建DEA-BPNN效率计算模型，在不影响旧样本阶段计算结果的前提上计算新增样本效率。以杭深线厦深段高速列车运行图为例，根据运行线技术指标，利用DEA-BPNN高速列车运行线效率计算模型对2021年第1季度和第2季度厦深段运行图的本线高速列车进行效率计算，研究结果表明，第1季度厦深段本线列车平均效率为0.946，而第2季度本线列车平均效率达到了1.048，说明2021年第2季度厦深达速调图后运行线效率相较上一季度有较大提升。