王 晓，揣锦华，张立恒

(长安大学 信息工程学院，陕西 西安 710064)

0 引 言

近年来，随着人民生活水平的提高，人们对铁路客运服务的要求也逐渐提高。铁路部门为了提高运输服务能力，需要了解日常的铁路客运流量、淡旺季客流量波动指数和冷门线路情况等。其中，对客流量的充分了解和预测是提高铁路客运服务能力的首要前提，因此，对铁路客流量预测分析是目前一个重点的研究方向。

关于铁路客流量预测的分析，许多学者对此做过深入研究。常国珍等人认为铁路客流量变化具有复杂性、随机性和周期性的特征[1]。成强提出基于小波包分解与长短时记忆融合的深度学习预测模型用于铁路客流量的预测[2]。Li L等人提出了一种基于符号回归和ARIMA的混合模型预测地铁客流量[3]。王炜炜提出了根据客流构成，将客流量分为趋势客流量、转移客流量和诱增客流量三部分，分别选用BP人工神经网络、灰色模型和重力模型建立高速铁路影响下的铁路客流量预测模型[4]。路小娟等人利用GA-BP网络预测模型对铁路客流量进行了预测[5]。许俊等人提出了通过若干组连续历史断面客流数据训练动态连续的神经网络预测未来客流[6]。马彪采用灰色GM(1,1)预测模型对国内春运客流量进行了预测[7]。Guo等人提出了一种基于支持向量回归(SVR)和长短期记忆(LSTM)神经网络融合模型对城际轨道列车客流量进行了预测研究[8]。Li B等人针对影响客流的特殊因素建立组合模型进行了预测分析[9]。……