基于随机森林的铁路冷藏运输需求预测

为提升铁路冷藏运输效率和实现铁路冷藏运输资源的合理配置,推进铁路冷藏运输的快速发展,对铁路冷藏运输需求进行预测尤为重要。在分析铁路冷藏运输影响因素基础上,利用Spearman相关性分析进行特征筛选。结合Spearman相关性分析结果,构建基于随机森林的铁路冷藏运输需求预测模型,并与BP神经网络,AdaBoost,Bagging和未经特征筛选的随机森林预测模型的预测结果进行对比分析。研究结果表明：经Spearman相关性分析进行特征筛选后构建的随机森林回归预测模型的平均绝对误差和拟合优度值均优于其他模型,均方根误差值仅高于BP神经网络。随机森林回归预测模型的泛化能力较好,且特征筛选能够提高模型的预测精度。