%0 Journal Article
%A 王辉
%A 宋瑞
%A 何维
%A 蔡近近
%A 龙泽雨
%A 丛铭
%T 基于CNN-GRU-Attention模型的铁路集装箱运输时间预测
%D 2025
%R 10.11860/j.issn.1673-0291.20250002
%J 星空电竞app2026最新版学报
%P 115-121
%V 49
%N 4
%X <p>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 Determination，<i>R</i> <sup>2</sup>）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，<i>R</i> <sup>2</sup>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.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20250002