李益民

（中国铁道科学研究院 运输及经济研究所，北京 100081）

基于GRNN的主要编组站办理车辆数的预测

李益民

（中国铁道科学研究院 运输及经济研究所，北京 100081）

运用广义回归神经网络对铁路编组站办理车辆数进行预测。在对编组站办理车辆数的经济因素和结构因素进行分析的基础上，给出GRNN预测的全过程，并将GRNN与BP网络预测进行比较，建立网络、训练和检测，最终模拟得到全路主要编组站办理车辆数。实例分析证明GRNN能提高预测精度，为编组站规划和设计提供理论支持。

铁路；编组站；办理车辆数；有调中转车；无调中转车；广义回归神经网络

1 概述

编组站在铁路路网运输中承担大量的列车改编作业，编组站办理车辆数的效率直接关系到路网运输效率和运输质量。编组站办理车辆数是衡量和评价编组站运营效果的重要指标，编组站的发展规划需要对未来年办理车辆数进行预测。另外，该类指标对于评估车站作业的负荷和车站作业能力的适应性，以及确定编组站改编设备配置，都具有十分重要的作用。

编组站办理车辆数不仅受到铁路内部因素的影响，也会随着国民经济的发展发生变化，而选择相关的重要影响因子将有助于提高预测结果的可靠性。另外，短期预测会减小预测的相对误差，使得预测结果更具有实际意义。

以铁路40个主要编组站总办理车辆数、有调中转车和无调中转车为研究对象，选择若干宏观经济指标作为重要的影响因子，运用广义回归神经网络（Generalized Regression Neural Network，GRNN）进行5年的短期预测。……