王国贤 范英兵 王凤玲 谢安琪

(黑河学院 a.教育科学学院；b.理学院，黑龙江 黑河 164300)

客流量的增加和服务质量的提升对铁路运输提出更高的要求，铁路也要经历越来越难的考验。面对建设趋于成熟的铁路运输系统，我国铁路客运量存在着局限性，特别是在春运节假日等高峰期，出现一票难求、一座难有，人潮如水的现象，铁路运输的供给缺口难以满足，也影响了国民的正常出行。因此，需要对铁路客运量进行精确的预测，分析出市场经济下对铁路客运供给的需求，以及工作的基本要求，有助于铁路客运的发展。铁路客运量的准确预测是旅客的运输组织工作的重要基础和依据,准确预测铁路客运量是铁路运输企业面向市场、把握未来的重要保障。

1 SARIMA模型和RBF模型介绍

1.1 SARIMA模型

乘积季节模型 模型[1]

其中季节自回归用P表示，Q为非季节自回归、移动平均算子的最大滞后阶数用p,q来表示，d为非季节差分次数，季节性差分次数为D。

1.2 RBF神经网络模型

1.2.1 RBF神经网络的结构与映射

本文用径向基函数作为径向基神经网络的节点激活函数，即空间任意一点到某一中心点c之间的欧氏距离的单调函数[2]。

图1 径向基神经元模型

跟随权值和输入向量之间距离的减少，网络输出开始递增，当输入向量等于权值向量，神经元输出为1 时，则达到最大。其中，神经元的灵敏度用阈值b来调节。这表明了径向基网络能够表现出局部逼近的特性，因而RBF 网络也被称为局部感知场网络。……