鲜敏 ,苗娇娜

(1.西南交通大学信息科学与技术学院，四川成都 611756；2.济南铁路局青岛电务段, 山东青岛 266000)

基于灰色模型的铁路客流预测方法

鲜敏1,苗娇娜2

(1.西南交通大学信息科学与技术学院，四川成都 611756；2.济南铁路局青岛电务段, 山东青岛 266000)

在GM(1,1)预测模型基础上，构建2个不同的预测模型——GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型，采用Matlab建模，并将模型应用到铁路客流量预测，分析对中小样本振荡序列的预测效果。实例证明，GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型的应用范围和预测精度都优于灰色GM(1,1)模型，是非线性铁路客流量预测的一种有效方法，有助于制定铁路运输计划。

灰色模型；非线性数列；铁路客流；预测；序列算子

铁路客流量是铁路运输评价体系中的一个重要指标，对客流量及其走势的预测，有助于运行图的调整，并直接影响到铁路运输调度系统的可靠性和实用性[1-2]。灰色GM(1,1) 模型[3-4]是使用频率较高的预测模型之一，具有小样本、预测精度高等特点。目前，许多学者采用灰色模型对铁路客流预测进行了不同角度的研究，文献[5]构建了基于多次修正残差灰色模型的铁路客流预测，文献[6]提出了基于灰色模型和神经网络的组合预测方法预测交通量，文献[7]提出了基于灰色模型及月度比例系数法的铁路客流预测方法。

铁路客流受客观环境的影响呈现振荡波动的非线性特性，而灰色GM(1,1) 模型能够对单调非负递增的数列进行较好的模拟，但对非线性的序列数据不能得出较准确的预测结果[8]。……