基于随机森林的集装箱多式联运货运量预测

为统筹安排运输资源、合理制定多式联运计划,针对集装箱多式联运货运量预测准确性不足的问题,基于网格搜索交叉验证改进的随机森林算法,构建一种集装箱多式联运月度货运量预测方法。首先对于原始数据特征中存在数据缺失的问题,采用二次插值法、K邻近插补法进行数据的填补;再利用平均准确度下降法和平均边际贡献法筛选出7个最优特征;最后构建基于网格搜索交叉验证的随机森林预测模型。以营口至武汉的多式联运案例进行验证,证明综合特征筛选与最优参数组合提升了模型预测的准确性以及K邻近插补法在模型中的优越性,并与三次指数平滑法、Xgboost模型进行对比,结果表明,改进的随机森林预测模型准确性和稳定性更高。