秦昌琪

（江苏信息职业技术学院，江苏 无锡 214000）

0 引言

随着我国电子计算机技术的不断发展，Matlab得到了越来越广泛的应用，该软件在铁路货运领域的应用大幅提升了货运量运输预测的准确性，为铁路资源的合理调配提供了大量的科学依据。做好SVM回归分析的关键在于预测模型的设计工作，本文将对SVM预测模型的设计方案进行重点介绍。

1 铁路货运量SVM预测模型的基本设计思路

SVM即Support Vector Machine，中文为支持向量机，是一种常用的回归分析手段，本质上特征空间上间隔最大的线性分类器[1]，能够针对未知的新样本实施高水平的分类预测，其根本目的在于以二次规划求解的方式来实现预测[2]。在铁路货运量的预测方向，本次研究所提出的SVM预测模型的建立流程如下：

第一步：基于现有的货运量数据实施归一化处理，进而建立测试样本数据集和训练样本数据集，即通过归一化的方式将原始数据样本纳入至[a,b]范围内，所采用的计算公式为：

上式将原始数据记为X；将X经过归一化处理后的数据记为Y；将原数据样本的最大值记为Max，将原数据样本的最小值记为Min。

第二步：通过交叉验证法确定核函数参数g和参数惩罚因子c[3]。设有一个核函数参数g，再随机将训练集划分为k个不相交的子集，将测试样本锁定为k，将训练样本锁定为除第k以外的部分，在此基础上估计该参数的效果，经过k次测试后对比结果，进而提取出合理的参数，最终所获取的性能评价指标为k次模型结果的MSE平均值。……