基于变权重组合模型的铁路客运量短期预测

发布时间：2018-02-01 12:33

本文关键词： 铁路客运量变权重灰色理论广义回归神经网络组合预测　出处：《计算机工程与应用》2017年04期 　论文类型：期刊论文

【摘要】：科学、准确的铁路客运量短期预测是提高铁路客运系统竞争力与服务水平的关键。针对铁路短期客运量的特点,提出了一种基于灰色理论的变权重组合预测模型。为了获取不同模型在不同时刻的权重系数,采用广义回归神经网络对动态权重进行跟踪和预测。以2014年1~12月份的铁路客运量为研究对象,分别建立均值GM(1,1)模型、离散GM(1,1)模型、灰色Verhulst模型以及变权重组合预测模型。实例分析的结果表明,三个单一模型的平均相对误差分别为17.14%、16.99%和12.94%,而变权重组合模型为7.01%,变权重组合预测模型的预测精度明显高于单一模型。
[Abstract]:Scientific and accurate short-term prediction of railway passenger volume is the key to improve the competitiveness and service level of railway passenger transport system. In order to obtain the weight coefficients of different models at different times, a combined forecasting model with variable weights based on grey theory is proposed. The generalized regression neural network is used to track and predict the dynamic weight. Taking the railway passenger volume in 2014 and December as the research object, the model of mean value GM-1 / 1) is established to discretize GM(1. 1) Model, grey Verhulst model and variable weight combination prediction model. The results of case analysis show that the average relative error of the three single models is 17.14% respectively. 16.99% and 12.94, while the variable weight combination model is 7.01. The prediction accuracy of the variable weight combination forecasting model is obviously higher than that of the single model.
【作者单位】：西南交通大学交通运输与物流学院;
【分类号】：U293.13;TP183
【正文快照】： 1引言随着政企分开以及中国铁路总公司的成立,铁路系统已经迎来改革发展“新常态”。客运改革作为铁路改革的重头戏,重点就是要加强对于短期内市场变化的应对能力,及时获取相关客运需求信息,实时调整客运服务结构,而这就要求我们提高对于短期铁路客运量的预测精度。短期客运量

【相似文献】