刘笑佟，任 爽

(北京交通大学 计算机与信息技术学院，北京 100044)

0 引言

铁路货运需求是全社会货运需求的重要组成部分，是衡量铁路货运发展的重要指标，是度量铁路在运输行业竞争力的关键核心要素，对货运需求及其发展趋向的精确预测与把握，是投资铁路建设的基础[1]，也是铁路企业对铁路制定发展规划的重要依据。因此不断探索铁路货运需求预测的新思想、新方法，科学合理地预测铁路货运需求显得尤为重要。

当前国内外学者采用不同的方法对铁路货运进行需求预测。张诚等基于粗糙集理论建立铁路货运需求预测知识库，提高铁路货运量预测可靠性[2]；K.V.Rudakov等[3]从时间序列角度出发，根据向量自回归、直方图等非参数预测建立短期货运量运输模型；Yang Y等[4]运用四种不同的回归方法对铁路货运量进行预测，结果显示改进的偏最小二乘回归效果最佳；崔乃丹等[5]应用改进的GM(1,1)模型预测铁路货运量，相对于直接应用灰色GM(1,1)模型，其结果精度更高；Sun Y[6]等克服传统预测方法局限性，设计了四种具有较高预测精度的人工网络预测模型，以广义回归网络模型最佳；Li X[7]等建立支持向量机和NARX神经网络组合预测模型得到较好的预测结果；袁胜强等[8]通过马尔科夫链改进灰色Verhulst模型，提高灰色Verhulst模型的预测精度。

既有的研究工作主要针对铁路货运量进行预测，但是由于铁路货运系统具有复杂性、动态性和不确定性[9]，其单一值形式很难真正反应铁路货运的需求[10]，而货运需求才是铁路制定发展规划的重要依据。……