本文關(guān)鍵詞： 鐵路客運(yùn)量 變權(quán)重 灰色理論 廣義回歸神經(jīng)網(wǎng)絡(luò) 組合預(yù)測(cè)　出處：《計(jì)算機(jī)工程與應(yīng)用》2017年04期 　論文類(lèi)型：期刊論文

【摘要】：科學(xué)、準(zhǔn)確的鐵路客運(yùn)量短期預(yù)測(cè)是提高鐵路客運(yùn)系統(tǒng)競(jìng)爭(zhēng)力與服務(wù)水平的關(guān)鍵。針對(duì)鐵路短期客運(yùn)量的特點(diǎn),提出了一種基于灰色理論的變權(quán)重組合預(yù)測(cè)模型。為了獲取不同模型在不同時(shí)刻的權(quán)重系數(shù),采用廣義回歸神經(jīng)網(wǎng)絡(luò)對(duì)動(dòng)態(tài)權(quán)重進(jìn)行跟蹤和預(yù)測(cè)。以2014年1~12月份的鐵路客運(yùn)量為研究對(duì)象,分別建立均值GM(1,1)模型、離散GM(1,1)模型、灰色Verhulst模型以及變權(quán)重組合預(yù)測(cè)模型。實(shí)例分析的結(jié)果表明,三個(gè)單一模型的平均相對(duì)誤差分別為17.14%、16.99%和12.94%,而變權(quán)重組合模型為7.01%,變權(quán)重組合預(yù)測(cè)模型的預(yù)測(cè)精度明顯高于單一模型。
[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.
【作者單位】： 西南交通大學(xué)交通運(yùn)輸與物流學(xué)院;
【分類(lèi)號(hào)】：U293.13;TP183
【正文快照】： 1引言隨著政企分開(kāi)以及中國(guó)鐵路總公司的成立,鐵路系統(tǒng)已經(jīng)迎來(lái)改革發(fā)展“新常態(tài)”�？瓦\(yùn)改革作為鐵路改革的重頭戲,重點(diǎn)就是要加強(qiáng)對(duì)于短期內(nèi)市場(chǎng)變化的應(yīng)對(duì)能力,及時(shí)獲取相關(guān)客運(yùn)需求信息,實(shí)時(shí)調(diào)整客運(yùn)服務(wù)結(jié)構(gòu),而這就要求我們提高對(duì)于短期鐵路客運(yùn)量的預(yù)測(cè)精度。短期客運(yùn)量

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 文軍;蔣由輝;方文清;;航空貨運(yùn)量的優(yōu)化組合預(yù)測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2010年15期

2 黃元生;黎特;皮薇;;非平均權(quán)重條件下電力負(fù)荷組合預(yù)測(cè)模型研究[J];山東電力高等專(zhuān)科學(xué)校學(xué)報(bào);2013年03期

3 丁岳維;組合預(yù)測(cè)模型的研究[J];西安公路交通大學(xué)學(xué)報(bào);1997年04期

4 朱章;對(duì)組合預(yù)測(cè)模型預(yù)測(cè)精度的分析[J];黃石高等專(zhuān)科學(xué)校學(xué)報(bào);1997年01期

5 邢棉;能源發(fā)展趨勢(shì)的非線(xiàn)性?xún)?yōu)化組合預(yù)測(cè)模型研究[J];華北電力大學(xué)學(xué)報(bào);2002年03期

6 陳華友,趙佳寶,劉春林;基于灰色關(guān)聯(lián)度的組合預(yù)測(cè)模型的性質(zhì)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

7 李眉眉;丁晶;衡彤;覃光華;;電力月負(fù)荷的混沌趨勢(shì)組合模型預(yù)測(cè)[J];四川電力技術(shù);2006年03期

8 張欣;;組合預(yù)測(cè)模型在上海內(nèi)河港口吞吐量預(yù)測(cè)中的應(yīng)用[J];水運(yùn)工程;2007年04期

9 王斌;張金隆;;航線(xiàn)流量組合預(yù)測(cè)模型研究[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2008年03期

10 趙海青,楊秀岐;灰色加法組合預(yù)測(cè)模型及其應(yīng)用[J];保定師范專(zhuān)科學(xué)校學(xué)報(bào);2002年04期

相關(guān)會(huì)議論文 前10條

1 謝如賢;成盛超;程仕軍;陳思華;;變結(jié)構(gòu)組合預(yù)測(cè)模型的建立與應(yīng)用[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

2 董景榮;;基于遺傳輔助設(shè)計(jì)的匯率組合預(yù)測(cè)模型研究[A];面向復(fù)雜系統(tǒng)的管理理論與信息系統(tǒng)技術(shù)學(xué)術(shù)會(huì)議專(zhuān)輯[C];2000年

3 馬永開(kāi);唐小我;;組合預(yù)測(cè)模型研究[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

4 成樞;劉國(guó)林;高放;;最優(yōu)組合預(yù)測(cè)模型及其在變形預(yù)測(cè)中的應(yīng)用[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

5 何迎東;吳婉瑩;郭u&;陳華友;;基于離消度的組合預(yù)測(cè)模型及其應(yīng)用[A];第十屆中國(guó)不確定系統(tǒng)年會(huì)、第十四屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2012年

6 陳華友;程蕾;張倩;;基于相關(guān)系數(shù)的IOWA算子最優(yōu)組合預(yù)測(cè)模型[A];第四屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2006年

7 陳華友;;IOWA算子的組合預(yù)測(cè)模型及在所得稅預(yù)測(cè)中的應(yīng)用[A];第三屆不確定系統(tǒng)年會(huì)論文集[C];2005年

8 謝正文;孔凡玉;胡毅夫;;基于熵權(quán)的沉降組合預(yù)測(cè)模型及應(yīng)用[A];第一屆中國(guó)水利水電巖土力學(xué)與工程學(xué)術(shù)討論會(huì)論文集（下冊(cè)）[C];2006年

9 王永光;趙國(guó)浩;;變權(quán)組合預(yù)測(cè)模型在中國(guó)煤炭需求預(yù)測(cè)中的應(yīng)用[A];2007中國(guó)可持續(xù)發(fā)展論壇暨中國(guó)可持續(xù)發(fā)展學(xué)術(shù)年會(huì)論文集（4）[C];2007年

10 王尚俊;吳剛;陳華友;周禮剛;;基于廣義10WA算子的組合預(yù)測(cè)模型及在卷煙消費(fèi)需求中應(yīng)用[A];第十一屆中國(guó)不確定系統(tǒng)年會(huì)、第十五屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2013年

相關(guān)博士學(xué)位論文 前4條

1 趙川;重載交通對(duì)高速公路橋梁的疲勞影響研究[D];河北工業(yè)大學(xué);2015年

2 向昌盛;基于支持向量機(jī)的時(shí)間序列組合預(yù)測(cè)模型[D];湖南農(nóng)業(yè)大學(xué);2011年

3 萬(wàn)玉成;基于未確知性的預(yù)測(cè)與決策方法及其應(yīng)用研究[D];東南大學(xué);2004年

4 南曉強(qiáng);風(fēng)電預(yù)測(cè)技術(shù)及其運(yùn)行分析[D];西南交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 宋鶴;基于WEB的風(fēng)電場(chǎng)可視化監(jiān)測(cè)技術(shù)研究[D];沈陽(yáng)理工大學(xué);2015年

2 高興良;基于逐步回歸分析的組合神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 Phanthavong Tulaxay;基于小波-BP神經(jīng)網(wǎng)絡(luò)的貝葉斯概率組合預(yù)測(cè)模型及其在預(yù)報(bào)調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

4 徐曉波;電動(dòng)汽車(chē)充/換電站短期負(fù)荷預(yù)測(cè)方法研究[D];華北電力大學(xué);2015年

5 蔣星;基于趨勢(shì)點(diǎn)模型的超短期風(fēng)電功率預(yù)測(cè)研究[D];廣西大學(xué);2015年

6 奚晨;組合預(yù)測(cè)模型的應(yīng)用與研究[D];蘭州大學(xué);2015年

7 周清平;滬深300指數(shù)的組合預(yù)測(cè)模型研究[D];蘭州大學(xué);2015年

8 熊威;顧及多效應(yīng)的混凝土壩位移聯(lián)合預(yù)報(bào)與監(jiān)控分析[D];南昌大學(xué);2015年

9 李瀅;基于灰色理論的車(chē)輛輪對(duì)踏面磨損預(yù)測(cè)研究[D];蘭州交通大學(xué);2015年

10 吳念;地區(qū)電網(wǎng)中長(zhǎng)期負(fù)荷組合預(yù)測(cè)模型和方法研究[D];華南理工大學(xué);2012年

，

本文編號(hào)：1481868