基于高速铁路成本画像的定价预测模型研究

为了合理制定高速铁路项目票价,实现高速铁路可持续发展,提出一种基于高速铁路成本画像的定价预测模型,模型由潜在因子算法和卷积神经网络构成.对高速铁路可测量成本执行潜在因子算法,挖掘可测成本中包含的隐性特征,算法可以在有限的数据量下通过矩阵分解构造高速铁路成本画像,同时不需要以加载稀疏矩阵作为代价,有效减少硬件运行内存空间;将构造的高速铁路成本画像视为图像数据输入不同架构的卷积神经网络中,进行训练学习并预测定价.通过与多个基线模型进行比较,表明采用多个卷积层连接池化层预测高速铁路定价具备更高的精度,并研究新建高速铁路项目定价预测案例,结果表明预测结果与实际情况相符,为高速铁路定价预测研究提供参考.