灰色理论在铁路客运量预测中的分析研究

吴华稳

灰色理论在铁路客运量预测中的分析研究

吴华稳

国家铁路局信息中心,北京 100891

基金项目: 国家铁路局科技开发项目（KF2014-006）。

详细信息

作者简介:
吴华稳，工程师。

中图分类号: U293:TP39
计量
- 文章访问数: 168
- HTML全文浏览量: 3
- PDF下载量: 33
出版历程
- 收稿日期: 2018-04-10
- 刊出日期: 2018-08-24

Analysis of grey theory in railway passenger traffic volume forecast

WU Huawen

Information Center, National Railway Administration of the People’s Republic of China, Beijing 100891, China

摘要

摘要: 针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。
- 灰色预测模型 /
- 铁路客运量 /
- 运量预测 /
- 无偏
Abstract: In view of the limitations of traditional grey prediction model, which strongly depended on historical data, had small fault tolerance and poor anti-interference ability, unbiased grey theory and residual verification theory were introduced to the prediction model, and the traditional grey model was improved from the trend curve grey fitting and state classification method, the unbiased grey prediction of railway passenger traffic volume was proposed. The forecast method of railway passenger traffic volume was expounded from two aspects of qualitative prediction and quantitative prediction, and its advantages and disadvantages were analyzed. Based on the unbiased grey forecast model of railway passenger traffic volume and the data of railway passenger traffic volume in 1997-2016, the data of railway during the "13th Five-Year" period were predicted by the residual test and the result analysis. The prediction accuracy is obviously higher than that of the BP neural network prediction.
- grey prediction model /
- railway passenger traffic volume /
- traffic volume prediction /
- unbiased

HTML全文

参考文献(11)

[1]	王乃珍，王福田. 基于灰色区间预测模型的轨道不平顺状态预测[J]. 铁路计算机应用, 2015，24（1）：1-3.
[2]	林晓言, 陈有孝. 基于灰色- 马尔可夫链改进方法的铁路货运量预测研究[J]. 铁道学报，2005，27（3）：15-22.
[3]	沈家军, 王炜, 陈峻. 基于灰色马尔可夫模型的近期公交客流量预测[J]. 公路交通科技, 2007, 24（9）：120-123.
[4]	曹鸿飞，张铭，李平. 灰色动态模型群在城市轨道交通客流预测中的应用研究[J]. 铁路计算机应用，2012，21（3）：1-4.
[5]	王瑞峰，陈旺斌. 基于灰色神经网络的S700K 转辙机故障诊断方法研究[J]. 铁道学报，2016，38（6）：68-72.
[6]	LIU Sifeng，DENG Julong. The Range Suitable for GM(1,1)[J]. The Journal of Grey System,1999,11（1）：131-138.
[7]	DENG Julong. Properites of Relational Space for Grey Systems[C]. Beijing: China Ocean Press,1988.
[8]	张和平，陈齐海. 基于灰色马尔可夫模型的网络舆情预测研究[J]. 情报科学，2018，36（1）：75-79.
[9]	马啸，李露. 基于改进灰色GM（1,1）模型的三峡库区工业废水量预测[J]. 环境工程，2018（1）：162-167.
[10]	谢建文，张元标，王志伟. 基于无偏灰色模糊马尔可夫链法的铁路货运量预测研究[J]. 铁道学报，2009， 31（1）：1-5.
[11]	高素芳，刘凤莲. 灰色预测模型的改进在城市需水量预测中的应用[J]. 价值工程，2010（22）：95-97.

施引文献(2)

期刊类型引用(2)

1.	刘天逸. 智能交通流量预测和多路径优化问题研究. 数字通信世界. 2020(12): 97-99 . 百度学术
2.	范长军，胡志成，杨佳东. 基于ALUA的多路径存储系统. 计算机系统应用. 2017(10): 11-19 . 百度学术