王栋, 米国际

(西安航空学院车辆与医电工程系,陕西西安710077)

基于灰色关联和BP神经网络的铁路货运量预测方法

王栋, 米国际

(西安航空学院车辆与医电工程系,陕西西安710077)

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于BP神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明:BP神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。

铁路货运量预测;灰色关联分析;BP神经网络

铁路运输系统是一个受多种因子共同作用的复杂动态系统,具有不确定性、随机性和模糊性,导致铁路货运量预测具有复杂性[1]。铁路货运量受国民经济、经济结构和自身供给等多个因子所制约[2-3]。各因子对铁路货运量的影响程度不同,而且会随着时间发生变化,这种很复杂的内在关系决定着铁路货运量与各影响因子之间存在较为复杂的非线性关系,较难用精确的数学模型进行描述。

目前,科研人员已利用分形理论[4]、Rough Set理论[5]、回归分析[6]、复杂网络理论[7]、支持向量机组合模型[2,8-9]、灰色系统理论及灰色组合法[10-13]等方法对铁路货运量进行预测。……