鐵路運輸作為我國的支柱性產(chǎn)業(yè),在我國的社會經(jīng)濟(jì)發(fā)展中占有非常重要的地位,是一種適合大規(guī)模人員流動和物資運輸?shù)慕煌ǚ绞健，F(xiàn)今社會,物流產(chǎn)業(yè)得到了快速地發(fā)展,給我國鐵路運輸帶來了巨大的壓力和競爭。隨著我國“一帶一路”的推進(jìn),更進(jìn)一步的促進(jìn)了國內(nèi)工業(yè)以及貿(mào)易的提升,使國內(nèi)和國外的貿(mào)易往來更加的頻繁,也給我國水路運輸帶來了發(fā)展。這就使得對貨運量的預(yù)測變得更加有意義,不僅可以為運營管理部門和運輸企業(yè)合理配備運輸力量給予一定的支撐,而且可以為貨運系統(tǒng)相關(guān)規(guī)劃布局提供可靠的依據(jù),從而提高經(jīng)濟(jì)效益和社會效益。為了使貨運組織更加有效的安排貨物運輸,需要對貨運量進(jìn)行比較準(zhǔn)確的預(yù)測,主要的預(yù)測方法有時間序列預(yù)測、分形理論、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等。本文主要采用粒子群算法優(yōu)化支持向量機(jī)的方法對鐵路及水運貨運量進(jìn)行預(yù)測。支持向量機(jī)在數(shù)據(jù)相對比較少的情況下,可以對貨運量的非線性及隨機(jī)性特征做出較好地描述,提高預(yù)測精度。本文首先對所用主要方法:支持向量機(jī)、粒子群算法和灰色預(yù)測的理論基礎(chǔ)作出了簡單介紹,為后續(xù)預(yù)測模型的建立做好鋪墊;其次對本文研究對象進(jìn)行數(shù)據(jù)分析,根據(jù)其不穩(wěn)定性做差分運算,擬合相應(yīng)的ARIMA模型并做出... 

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
        1.1.1 論文研究的背景
        1.1.2 論文的研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 鐵路客貨運量預(yù)測常用方法
        1.2.2 支持向量機(jī)研究現(xiàn)狀
        1.2.3 灰色預(yù)測研究現(xiàn)狀
    1.3 論文的主要研究方法
    1.4 論文主要研究內(nèi)容及技術(shù)路線
        1.4.1 論文主要研究內(nèi)容
        1.4.2 論文主要技術(shù)路線
2 支持向量機(jī)和灰色預(yù)測相關(guān)理論基礎(chǔ)
    2.1 支持向量機(jī)理論
        2.1.1 統(tǒng)計學(xué)習(xí)理論
        2.1.2 VC維
        2.1.3 經(jīng)驗風(fēng)險最小化原則
        2.1.4 結(jié)構(gòu)風(fēng)險最小化原則
        2.1.5 回歸支持向量機(jī)
    2.2 粒子群算法
        2.2.1 粒子群算法的理論基礎(chǔ)
        2.2.2 粒子群算法的步驟
    2.3 灰色預(yù)測理論
        2.3.1 GM(1,1)模型的4 種基本形式
        2.3.2 模型的精度檢驗
    2.4 本章小結(jié)
3 基于ARIMA的數(shù)據(jù)分析
    3.1 數(shù)據(jù)的收集
    3.2 鐵路貨運量ARIMA數(shù)據(jù)分析及預(yù)測
        3.2.1 鐵路貨運量平穩(wěn)性檢驗
        3.2.2 序列分析及ARIMA建模預(yù)測
    3.3 鐵路貨物周轉(zhuǎn)量ARIMA數(shù)據(jù)分析及預(yù)測
        3.3.1 鐵路貨物周轉(zhuǎn)量平穩(wěn)性檢驗
        3.3.2 序列分析及ARIMA建模預(yù)測
    3.4 水運貨運量ARIMA數(shù)據(jù)分析及預(yù)測
        3.4.1 水運貨運量平穩(wěn)性檢驗
        3.4.2 序列分析及ARIMA建模預(yù)測
    3.5 本章小結(jié)
4 基于SVM-GM(1,1)的組合預(yù)測
    4.1 實驗準(zhǔn)備
        4.1.1 數(shù)據(jù)的預(yù)處理
        4.1.2 實驗評價指標(biāo)
    4.2 支持向量機(jī)預(yù)測模型
        4.2.1 相空間重構(gòu)
        4.2.2 SVM預(yù)測模型
        4.2.3 PSO-SVM預(yù)測模型
    4.3 組合預(yù)測模型
    4.4 實例分析
        4.4.1 鐵路貨運量預(yù)測
        4.4.2 鐵路貨物周轉(zhuǎn)量預(yù)測
        4.4.3 水運貨運量預(yù)測
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號：3735909