本文關(guān)鍵詞：基于HHT的城際趟車客運(yùn)量組合預(yù)測方法研究

  更多相關(guān)文章： 預(yù)測 希爾伯特黃變換 經(jīng)驗(yàn)?zāi)B(tài)分解 組合預(yù)測 城際趟車客運(yùn)量

【摘要】：客運(yùn)量預(yù)測是鐵路運(yùn)輸部門科學(xué)制定旅客運(yùn)輸計(jì)劃、合理設(shè)計(jì)客運(yùn)產(chǎn)品和營銷策略的主要依據(jù)。在預(yù)測應(yīng)用開展時(shí)如果能夠把不同的單項(xiàng)預(yù)測方法進(jìn)行適當(dāng)?shù)慕M合,就可以使組合預(yù)測整體的預(yù)測結(jié)果更為準(zhǔn)確。本文將希爾伯特-黃變換(Hilbert-Huang Transform,HHT)與組合預(yù)測方法相結(jié)合,提出了一種城際趟車客運(yùn)量預(yù)測新方法——基于HHT的組合預(yù)測方法。通過對這種方法的研究,實(shí)現(xiàn)趟車客運(yùn)量的有效預(yù)測,解決單項(xiàng)預(yù)測方法不夠穩(wěn)定的問題,同時(shí)提高預(yù)測結(jié)果的精度。這種方法不僅能為鐵路預(yù)測應(yīng)用提供趟車客運(yùn)量預(yù)測算法,也能為票額智能預(yù)分、列車開行方案設(shè)計(jì)、列車收益管理等客運(yùn)業(yè)務(wù)提供科學(xué)決策的基礎(chǔ)。本文的主要研究內(nèi)容包括:(1)在單項(xiàng)預(yù)測方法研究中,本文通過引入模糊隸屬度對支持向量回歸機(jī)方法進(jìn)行改進(jìn),同時(shí)利用人工魚群算法對模糊支持向量回歸機(jī)的參數(shù)尋優(yōu),拓展了原有預(yù)測方法的應(yīng)用范圍,將算法與HHT相結(jié)合建立模型,并通過數(shù)值實(shí)驗(yàn)證明了該算法能夠有效提高預(yù)測結(jié)果的準(zhǔn)確度。(2)本文建立了基于HHT的時(shí)間序列模型以及基于HHT的BP神經(jīng)網(wǎng)絡(luò)模型,同時(shí)利用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化,通過科學(xué)選取參數(shù),達(dá)到優(yōu)化預(yù)測模型的目的。用這兩種模型進(jìn)行數(shù)值實(shí)驗(yàn),通過與未進(jìn)行HHT處理的算法進(jìn)行比較,可以證明這兩種模型能夠有效對城際趟車客運(yùn)量進(jìn)行預(yù)測,并提高預(yù)測精度與相關(guān)度。(3)本文通過經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)的方法,對城際趟車客運(yùn)量數(shù)據(jù)進(jìn)行頻度分解,獲得分量的數(shù)據(jù),通過分組預(yù)測的方法排除無關(guān)影響因素的干擾,使預(yù)測結(jié)果的精度進(jìn)一步提高。通過實(shí)驗(yàn)證實(shí)了經(jīng)過HHT處理后的數(shù)據(jù)可以有效提升預(yù)測精度,同時(shí)使數(shù)據(jù)從長相關(guān)性變?yōu)槎滔嚓P(guān)性數(shù)據(jù),有效提升了預(yù)測結(jié)果與歷史客運(yùn)量的相關(guān)性。(4)在建立單項(xiàng)預(yù)測模型的基礎(chǔ)上,建立基于HHT的組合預(yù)測模型,使輸入信息考慮更加全面。通過線性以及非線性組合預(yù)測原理,確定參與組合的單項(xiàng)模型權(quán)重,并用這種組合預(yù)測模型對城際趟車客運(yùn)量數(shù)據(jù)進(jìn)行預(yù)測,最終結(jié)果證明該模型不僅具有良好的可靠性和平穩(wěn)性,同時(shí)也提高了預(yù)測結(jié)果的準(zhǔn)確性,在實(shí)際應(yīng)用中具有較好的參考性。
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U293.13;TP18

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮冰玉;鮑學(xué)英;王起才;;基于灰色和神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測研究[J];鐵道科學(xué)與工程學(xué)報(bào);2015年05期

2 安計(jì)勇;范玉紅;王寅;;基于改進(jìn)的HHT的網(wǎng)絡(luò)流量預(yù)測算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年06期

3 賀曉霞;鮑學(xué)英;王起才;董朝陽;;基于GM—周期擴(kuò)展組合模型的鐵路客運(yùn)量預(yù)測[J];鐵道科學(xué)與工程學(xué)報(bào);2015年03期

4 豆飛;賈利民;秦勇;徐杰;王莉;;鐵路客運(yùn)專線模糊k近鄰客流預(yù)測模型[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年12期

5 何九冉;四兵鋒;;EMD-RBF組合模型在城市軌道交通客流預(yù)測中的應(yīng)用[J];鐵道運(yùn)輸與經(jīng)濟(jì);2014年10期

6 張伯敏;;滬寧城際鐵路客流短期預(yù)測研究[J];中國鐵路;2014年09期

7 崔艷萍;于瀟;;膠濟(jì)客運(yùn)專線年度客運(yùn)量預(yù)測研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2014年05期

8 田中大;高憲文;李琨;;基于EMD與LS-SVM的網(wǎng)絡(luò)控制系統(tǒng)時(shí)延預(yù)測方法[J];電子學(xué)報(bào);2014年05期

9 黃召杰;馮碩;;灰色預(yù)測模型在鐵路客流預(yù)測中的應(yīng)用[J];交通科技與經(jīng)濟(jì);2014年01期

10 楊軍;侯忠生;;基于小波分析的最小二乘支持向量機(jī)軌道交通客流預(yù)測方法[J];中國鐵道科學(xué);2013年03期

，

本文編號：1162951