梁小林, 杜晓慧



基于粒子群优化偏最小二乘的铁路客运量预测

梁小林*, 杜晓慧

(长沙理工大学 数学与计算科学学院, 湖南 长沙, 410076)

通过对1997—2012年铁路客运量的影响因素进行分析, 建立偏最小二乘回归模型, 并用实际的铁路客运量与预测值进行比较, 检验出模型的预测误差较大. 为了提高模型的预测精度, 采取粒子群优化算法优化回归系数, 得到一个新的模型. 经检验, 该模型的预测误差由原模型的3.04%降到1.01%. 最后用该模型预测出2013—2014年的铁路客运量分别为210.970 5千万人和227.368 8千万人.

偏最小二乘; 粒子群优化; 铁路客运量; 预测

铁路客运量预测是对客运量的发展趋势进行分析, 由于影响铁路客运量的因素错综复杂, 使得对铁路客运量预测建模非常困难. 传统的预测方法有: 线性回归法[1]、支持向量机[2—3]、灰色马尔科夫模型法[4—5]、神经网络模型法[6]等, 它们大部分都是预测短时间内客运量的变化趋势, 并且是通过前几年的铁路客运量来预测, 没有考虑到影响客运量的一些因素, 因而预测效果不理想. 本文从影响铁路客运量的关键因素出发, 利用偏最小二乘法和粒子群优化算法来研究铁路客运量问题.

1 偏最小二乘回归法

传统的线性回归方法可以很好的对相关性很小的变量进行拟合和预测, 但是当变量之间存在严重相关性时, 再采用最小二乘求解拟合方程就不能得到好的预测模型. 然而, 偏最小二乘回归方法[7]的一个突出特点是将主成分分析……