基于特征挖掘的中长期铁路客运量预测

为实现不同场景下的铁路客运量预测,提升预测精度,提出一个通用的中长期铁路客运量预测理论框架,包括数据采集层、特征挖掘层和模型预测层:采集并整合预测所需的多源数据,进行特征构建和挖掘后,将特征输入预测模型进行预测。基于该框架,构建了基于EMD-LightGBM的中长期铁路客运量预测模型。最后,以1981—2021年的铁路客运量数据为例,解析了预测框架的构建过程,并对特征挖掘技术的应用效果进行了分析。结果表明,特征挖掘方法能大幅提升铁路客运量的预测精度和预测效率;所建预测框架可推广应用于线路或地区等不同场景的铁路客运量预测。

基于GM—周期扩展组合模型的铁路客运量预测

铁路客运量的准确预测对我国铁路建设项目投资和决策具有重要意义。由于铁路客运量预测系统本身是一个信息不完全的灰色系统,因此,可以通过建立(灰色)GM-周期扩展组合模型对铁路客运量的非线性动态变化进行预测。该模型运用灰色预测理论GM(1,1)与周期扩展模型结合,不但可以进行客运量的趋势预测,同时也可以充分考虑铁路客运量的周期波动性这一特征。最后,结合具体的实例验证说明该模型是科学合理的,预测值与实际值较吻合。

基于灰色理论的铁路客运量预测影响因素优化

为了更好地反映各种相关因素对客运量的影响,实现铁路客运量预测模型中影响因素的优化选择,采用灰色理论对影响因素进行分析,并针对传统灰关联分析在具体应用中存在的关联评价值趋于均匀化、分辨系数取值影响排序结果等不足,提出一种采用动态分辨系数的铁路客运量灰关联分析方法,从而得到各因素对客运量的关联度,实现铁路客运量预测模型中影响因素的优化选择.仿真实验以河南省铁路客运量为例,结果表明预测精度得到了提高,此方法可行并且有效.

基于SSA-GM-GPR的铁路客运量预测研究

铁路客运量预测主要存在客运量数据易受噪声污染、数据呈现非线性和非平稳的特征关系两方面问题。为解决此问题,文中提出一种基于奇异谱分析(SSA)的集成预测方法。首先,对原始数列进行奇异谱分析,剔除噪声数据后重构包含主要特征信息的趋势序列;其次,对趋势序列分别采用灰色预测模型(GM)和高斯过程回归模型(GPR)进行预测,再采用优势矩阵法对各预测结果进行集成,得出最终预测值;最后,以我国铁路客运量年度数据为实证,选择均方误差(MSE)和平均绝对百分比误差(MAPE)作为评价标准,与原始序列模型和单一模型的预测结果进行对比。结果表明,与其他模型相比,基于SSA-GM-GPR的铁路客运量预测模型预测精度较高。采用所提出的模型预测2020—2022年客运量,可为铁路管理组织制定工作计划提供理论支撑。

河南省铁路客运量预测中影响因素的灰关联分析

铁路客运量预测是铁路旅客运输组织工作的重要基础和主要依据之一。从定性和定量两个角度出发,提出了铁路客运量预测的影响因素体系,并建立了铁路客运量多目标灰关联评价模型。该模型的应用,可以对各个地区的铁路客运量影响因素进行评价比较,并分析各种因素的影响程度,确定其层次结构及对客流的关联度,对于提高现有铁路运量的预测精度有着极其重要的现实意义。

基于灰色系统理论的铁路客运量预测

铁路客运量预测是铁路部门的重要工作之一，准确的预测结果有利于提高铁路系统的运行效率，增强铁路运输的可靠性，从而提高铁路系统的经济效益与社会效益。

基于主成分分析与GA-BP网络的铁路客运量预测研究

针对铁路客运量影响因素众多、变量之间映射关系复杂的特点,使用主成分分析方法对客运量影响因素进行处理,降低相关变量维数,消除变量间的多重共线性关系,并将转换后的变量输入到基于GA-BP的神经网络模型中,完成对于铁路客运量的预测。仿真结果表明,该模型相较于BP神经网络模型,具有更好的预测精度和更简单的结构。

基于乘积季节模型的铁路客运量预测

利用中国铁路客运量2005-2016年的月度数据资料,采用乘积季节模型进行建模,对2017年1-6月进行预测;在Eviews和R软件操作下训练与测试数据,分别得到两种乘积季节模型;结果表明:两种软件下客运量的预测误差率均控制在10%以内,两种模型都能较好地预测铁路客运量未来数据的变化情况;通过比较,Eviews建立乘积季节模型,数据分析思维更加严谨,但操作较为复杂,平均预测误差率为4.59%,预测正确率稍低;R软件利用程辑包中相关分析、参数估计与预测函数等,可直接进行分析与预测,操作较为简便,平均预测误差率为3.36%,数据预测正确率较高;通过利用R软件建立ARIMA(2,1,1)×(1,1,1)12模型,此时模型预测精度较好,为预测未来全国铁路客运量变化提供一定的参考价值。

CDUBGM-Markov模型在铁路客运量预测中的应用

文章在传统的灰色模型和马尔柯夫模型的基础上,提出了动态无偏灰色马尔柯夫模型,阐述了该模型的建立方法,并采用这三种模型对我国铁路客运量进行了预测,对比结果表明动态无偏灰色马尔柯夫模型的拟合效果较好,预测精度较高,是一种行之有效的预测方法。

在铁路客运量预测中应用四阶段法的体会

四阶段预测法作为国际上通用的，流行的预测方法，有较强的理论基础和实践经验。应用于铁路客运量预测是比较合适的。详细的OD、旅客意愿等调查提供了切实可靠研究数据，严谨的数学推导提高了结果的可信性。