典型文献
基于随机森林算法的港口集装箱吞吐量预测方法
文献摘要：
为助力智慧港口建设,针对港口集装箱吞吐量预测准确性不足的问题,利用随机森林算法处理高维变量,构建一种港口集装箱吞吐量预测方法.首先考虑港口集装箱吞吐量受复杂环境影响,建立特征变量训练集;再通过泛化误差分析训练随机森林模型,根据MDA分析对特征变量重要性进行分析,筛选重要影响特征变量集合;最后构建随机森林预测决策树,建立基于随机森林算法的预测模型.以大连港为案例进行验证,并与三次指数平滑、多元回归分析和BP神经网络3种方法预测进行对比,结果表明:随机森林算法预测准确性更高.
文献关键词：
交通运输工程;集装箱吞吐量;随机森林算法;港口;预测
中图分类号：
作者姓名：
谢新连;王余宽;许小卫;马昊
作者机构：
大连海事大学 交通运输工程学院,辽宁 大连116026;武汉理工大学 航运学院,湖北 武汉430063
文献出处：
引用格式：
[1]谢新连;王余宽;许小卫;马昊-.基于随机森林算法的港口集装箱吞吐量预测方法)[J].重庆交通大学学报（自然科学版）,2022(02):15-20
A类：
B类：
随机森林算法,港口集装箱吞吐量,集装箱吞吐量预测,智慧港口,港口建设,预测准确性,高维变量,先考,复杂环境,特征变量,训练集,泛化误差,误差分析,随机森林模型,变量重要性,影响特征,决策树,大连港,指数平滑,多元回归分析,算法预测,交通运输工程
AB值：
0.230254
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
