线性与非线性的组合模型在铁路客运量预测中的应用研究

发布时间：2017-10-12 22:05

  本文关键词：线性与非线性的组合模型在铁路客运量预测中的应用研究

  更多相关文章： 组合模型 支持向量回归 预测精度 BP神经网络

【摘要】：铁路旅客运输量预测是铁路运输组织工作的重要基础和主要依据之一,凡是铁路公司在做出重大决策之前都要进行客运量预测工作,准确预测客运量是做出科学决策、编制可行的计划、规划或发展战略的重要保障。许多研究表明,相比于单项预测模型,组合预测模型的预测性能更优,这是由于单一的模型不能完全反映出客运量的变化规律和信息,而组合预测模型恰好能很好的克服这一缺点。并且,以往学者的研究均是将单项预测模型的预测值进行组合,本文提出新的组合预测方法,那就是线性时间序列模型与非线性时间序列模型的组合预测模型。 本研究将建立三个线性预测模型：季节性指数平滑预测模型、季节性自回归移动平均模型、灰色GM(1,1)模型,对2005年1月到2012年12月全国铁路旅客月度运输量进行拟合,并对2013年1月到2014年2月全国铁路旅客月度运输量作出预测。然后将三个线性模型与两个非线性模型分别进行组合,得到六个组合预测模型,并运用组合模型对2013年1月到2014年2月全国铁路旅客月度运输量作出预测。最后运用定量统计指标均方误差(MSE)、归一化均方误差(NMSE)、平均绝对百分比误差(MAPE)、R值等对模型精度及性能进行评估对比单项预测模型与组合预测模型的性能,根据模型的数据分析,六个组合预测模型的预测精度均高于三个单项预测模型。 因此,本研究在实际验证的基础上得出,在铁路旅客运输量预测方面,线性预测模型与非线性预测模型的组合预测模型具有良好的预测性能。
【关键词】：组合模型 支持向量回归 预测精度 BP神经网络
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U293.13
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-17
• 1.1 研究背景及意义10-11
• 1.1.1 选题背景10-11
• 1.1.2 研究意义11
• 1.2 国内外研究现状11-14
• 1.3 研究目标与研究内容14-15
• 1.3.1 研究目标14
• 1.3.2 研究内容14-15
• 1.4 拟采用的研究方法和技术路线15-17
• 1.4.1 研究方法15
• 1.4.2 研究路线15-17
• 第2章 现有单项预测模型概述17-34
• 2.1 指数平滑预测模型17-18
• 2.1.1 季节性指数平滑预测模型17-18
• 2.2 Box-Jenkins模型18-21
• 2.2.1 自回归移动平均模型(ARIMA)19-20
• 2.2.2 季节性自回归移动平均模型(SARIMA)20
• 2.2.3 季节性自回归移动平均模型的建模步骤20-21
• 2.3 灰色系统预测模型21-25
• 2.3.1 GM(1,1)模型的建立22-23
• 2.3.2 GM(1,1)模型的精度检验23-25
• 2.4 反向传播神经网络模型(Back propagation algorithm)25-28
• 2.4.1 反向传播神经网络的建立26-28
• 2.5 支持向量机(Support Vector Machine,SVM)28-34
• 2.5.1 支持向量回归(Support Vector Regression,SVR)29-32
• 2.5.2 拉格朗日乘数(Lagrange multipliers)32
• 2.5.3 核函数(Kernel Function)32-34
• 第3章 铁路旅客运输量组合预测模型34-39
• 3.1 组合预测的提出34-35
• 3.2 组合预测的基本原理35-36
• 3.3 新的组合方法的提出36-37
• 3.4 模型性能标准37-39
• 第4章 数据分析39-51
• 4.1 数据来源39-41
• 4.2 各模型预测结果41-48
• 4.2.1 季节性指数平滑预测模型41-42
• 4.2.2 季节性自回归移动平均模型42-43
• 4.2.3 灰色系统GM(1,1)模型43-44
• 4.2.4 BP神经网络预测模型44-46
• 4.2.5 支持向量回归预测模型46-48
• 4.3 模型分析48-51
• 结论51-53
• 本文结论51-52
• 研究不足与展望52-53
• 致谢53-54
• 参考文献54-59
• 附录59-62
• 灰色系统GM(1,1)MATLAB代码59-61
• BP神经网络MATLAB代码61-62
• 支持向量回归基于Libsvm工具包的MATLAB网络代码62

【参考文献】

中国期刊全文数据库 前10条

1 徐红敏;王海英;梁瑾;黄帅;;支持向量机回归算法及其应用[J];北京石油化工学院学报;2010年01期

2 唐小我,曹长修;递归等权组合预测方法研究[J];电子科技大学学报;1992年05期

3 傅庚，唐小我，曾勇;广义递归方差倒数组合预测方法研究[J];电子科技大学学报;1995年02期

4 张令刚;牛德宁;孟兆民;;基于预测有效度的组合模型在交通量预测中的应用[J];道路交通与安全;2010年01期

5 童明荣;薛恒新;林琳;;基于季节ARIMA模型的公路交通量预测[J];公路交通科技;2008年01期

6 侯丽敏;马国峰;;基于灰色线性回归组合模型铁路客运量预测[J];计算机仿真;2011年07期

7 夏国恩;曾绍华;金炜东;;支持向量回归机在铁路客运量时间序列预测中的应用[J];计算机应用研究;2006年10期

8 黄召杰;陈伟;;组合预测方法在我国铁路客流预测中的应用[J];交通科技与经济;2011年04期

9 首招勇;杨媛媛;;时间序列问题的建模方法和过程[J];数学理论与应用;2012年01期

10 孙宏,史虹圣;航线运输需求量预测模型研究[J];中国民航飞行学院学报;2004年05期

，

本文编号：1021158