基于灰色模型与神经网络的铁路货运量预测

准确把握铁路货运量的变化规律,对于优化货运组织提高货运效率具有重要意义。对此,提出了一种基于灰色模型与神经网络的铁路货运量预测算法,先用传统灰色预测模型对铁路货运量数据进行初步预测,然后用BP神经网络对初步预测值进行修正。结果表明,该预测算法与实际铁路货运量的相对平均误差可控制在5%以内,预测精度高于单一算法,可应用于货运决策中广泛存在的铁路货运量趋势分析问题。