發(fā)布時間：2020-12-15 13:29

　　鐵路客運量的中短期預測是鐵路運輸公司制定旅客運輸計劃的基礎,更是合理配置人力物力資源及展開旅客運輸工作的重要依據(jù)。鑒于航空運輸事業(yè)的快速發(fā)展,客運市場競爭愈發(fā)激烈,鐵路客運部門必須對市場內的客流變化及時采取措施,方能滿足市場的需求。本文分別從年度預測和月度預測兩個層面對鐵路客運量進行預測,既為鐵路的運輸長遠發(fā)展提供了決策支持,更為鐵路各部門及時應對瞬息萬變的市場提供了可靠依據(jù)。年度數(shù)據(jù)預測部分,提出了一個新的基于最優(yōu)模型選取的M-CPSO-GM模型,并在我國鐵路客運量的年度預測中得到了非常好的效果。月度數(shù)據(jù)預測中,首先根據(jù)S-ARIMA模型得到一步預測值,然后對其進行校正�？紤]到春節(jié)因素,先將數(shù)據(jù)分成春運月份和非春運月份兩部分分開校正。對于春運月份,首次提出了與一步預測誤差高度相關的春節(jié)因子作為校正因子,通過FNN對春運月份的一步預測值進行校正;對于非春運月份,則采用上月同比增長率作為校正因子,通過BP神經(jīng)網(wǎng)絡進行校正。結果表明,校正后的月度數(shù)據(jù)預測精度有了明顯提高。最后,對論文所做的工作進行了總結,簡要說明了文中尚待完善的問題,并指出我國鐵路客運量預測以后需要努力的方向。 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【部分圖文】：

PSO算法的空間圖

CPSO流程圖

(2-33)用 MATLAB 軟件畫出該 GM 模型的預測效果走勢圖如圖 2.3 所示.圖 2.3 GM 預測結果從圖 2.3 可看出GM模型在對過去的擬合過程中對數(shù)據(jù)的大致走勢有著不錯的預測效果, 但是對 2014 年及 2015 年度的預測中, 預測曲線都在真實值的下方,說明根據(jù)這些全部原始數(shù)據(jù)描繪出來的趨勢已經(jīng)不符合現(xiàn)階段的變化. 接著我們用CPSO 算法對GM模型中的兩個參數(shù)進行優(yōu)化發(fā)現(xiàn)精度并沒有怎么提高, 說

【參考文獻】：
期刊論文
[1]基于SARIMA模型在我國鐵路客運量中的預測[J]. 郝軍章,崔玉杰,韓江雪.  數(shù)學的實踐與認識. 2015(18)
[2]基于灰色加權馬爾可夫鏈的大連鐵路客運量預測[J]. 賈金平,吉莉.  大連交通大學學報. 2015(03)
[3]基于粒子群優(yōu)化偏最小二乘的鐵路客運量預測[J]. 梁小林,杜曉慧.  湖南文理學院學報(自然科學版). 2014(04)
[4]基于春節(jié)因素的中國鐵路月度客運量季節(jié)調整模型研究[J]. 汪志紅,汪前元.  鐵道學報. 2013(07)
[5]基于指數(shù)平滑法的京包線鐵路客運量預測[J]. 侯立新.  科技創(chuàng)新導報. 2012(32)
[6]改進BP神經(jīng)網(wǎng)絡在鐵路客運量預測中的應用[J]. 于波,丁源.  鐵道經(jīng)濟研究. 2012(03)
[7]基于線性回歸-馬爾可夫模型的鐵路客運量預測[J]. 李曉東.  鐵道運輸與經(jīng)濟. 2012(04)
[8]基于灰色模型及月度比例系數(shù)法的鐵路客流預測方法[J]. 李海軍,張玉召,朱昌鋒.  西部交通科技. 2012(03)
[9]基于IPSO-BP神經(jīng)網(wǎng)絡的鐵路客運量預測[J]. 陶海龍,李小平,張勝召,辜琳麗.  鐵道運輸與經(jīng)濟. 2011(09)
[10]基于灰色線性回歸組合模型鐵路客運量預測[J]. 侯麗敏,馬國峰.  計算機仿真. 2011(07)

博士論文
[1]基于協(xié)同進化的混合智能優(yōu)化算法及其應用研究[D]. 鄧武.大連海事大學 2012

碩士論文
[1]線性與非線性的組合模型在鐵路客運量預測中的應用研究[D]. 張毅敏.西南交通大學 2014
[2]我國鐵路客運量的組合問題研究[D]. 劉會芳.長沙理工大學 2013
[3]基于混合智能算法的鐵路運量預測研究[D]. 陶海龍.蘭州交通大學 2012
[4]SVR季節(jié)性時間序列預測模型的構建與應用[D]. 錢吉夫.華南理工大學 2010
[5]基于遺傳算法和BP神經(jīng)網(wǎng)絡的鐵路客運量預測研究[D]. 謝小山.西南交通大學 2010
[6]基于灰色理論與廣義回歸神經(jīng)網(wǎng)絡的客運量預測模型研究[D]. 羅毅.西南交通大學 2007
[7]鐵路客運量短期預測方法的研究[D]. 王芳.北京交通大學 2007



本文編號：2918350