基于改进马尔科夫模型的铁路客运量预测研究

为提高铁路客运量预测的精度,在预测精度更优条件下,对马尔科夫模型状态划分区间的取值范围进行了研究,并在此基础上对模型进行了改进。先通过多层感知器神经网络预测了2004—2019年北京市的铁路客运量,再运用改进的马尔科夫模型对多层感知器神经网络预测结果进行修正,并与均等划分和均值-方差法划分状态区间的马尔科夫模型的预测修正结果进行对比。研究结果表明,改进的马尔科夫模型降低了预测过程的复杂性,具有更高的预测精度。相比于均等划分、均值-方差法划分状态区间的模型,改进的马尔科夫模型的预测误差分别减少了0.601%和0.683%。