基于灰色神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測(cè)方法研究.pdf

1、鐵路客流量是鐵路運(yùn)輸評(píng)價(jià)體系中的一個(gè)重要指標(biāo)，對(duì)客流量及其走勢(shì)的預(yù)測(cè)，有助于運(yùn)行圖的調(diào)整，并直接影響到鐵路運(yùn)輸調(diào)度系統(tǒng)的可靠性和實(shí)用性，因此如何精準(zhǔn)地對(duì)鐵路客流量進(jìn)行預(yù)測(cè)顯得尤為關(guān)鍵。由于客觀因素的影響，鐵路客流量呈現(xiàn)非線性的振蕩特性，針對(duì)這一特性，本文在灰色系統(tǒng)原理和BP神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上構(gòu)建預(yù)測(cè)模型，以期能適應(yīng)鐵路客流量的非線性特征，提高預(yù)測(cè)模型的性能和預(yù)測(cè)精度。基于小樣本數(shù)據(jù)的信息處理，灰色系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)在多個(gè)學(xué)科具有較高的

2、使用率，本文將對(duì)二者進(jìn)行深入研究提出改進(jìn)方案，并構(gòu)建預(yù)測(cè)模型應(yīng)用于鐵路客流量預(yù)測(cè)中，最終以組合預(yù)測(cè)的形式得到最優(yōu)預(yù)測(cè)模型。
　　通過(guò)對(duì)灰色技術(shù)的分析，發(fā)現(xiàn)傳統(tǒng)灰色預(yù)測(cè)模型并不適用于非線性數(shù)據(jù)的預(yù)測(cè)，在此基礎(chǔ)上通過(guò)構(gòu)建基于緩沖算子的GM(1,1)預(yù)測(cè)模型和灰色冪模型驗(yàn)證其優(yōu)良性，緩沖算子能夠還原失真數(shù)據(jù)的本來(lái)面貌適用于各種數(shù)據(jù)序列包括振蕩數(shù)據(jù)，灰色冪模型的冪指數(shù)能夠根據(jù)原始數(shù)據(jù)的波動(dòng)特征調(diào)整預(yù)測(cè)曲線，對(duì)非線性數(shù)據(jù)具有較好的預(yù)測(cè)性能。

3、利用MATLAB構(gòu)建對(duì)應(yīng)數(shù)學(xué)模型，采用鐵路客流量數(shù)據(jù)進(jìn)行預(yù)測(cè)，其預(yù)測(cè)結(jié)果均高于傳統(tǒng)灰色預(yù)測(cè)模型，均可用于灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)。
　　BP神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的學(xué)習(xí)能力，但在傳統(tǒng)的網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中可能出現(xiàn)訓(xùn)練緩慢或停滯、局部最小值等不利于網(wǎng)絡(luò)訓(xùn)練的現(xiàn)象，針對(duì)這些現(xiàn)象對(duì)目前改進(jìn)算法進(jìn)行研究，本文中在自適應(yīng)學(xué)習(xí)率的改進(jìn)算法基礎(chǔ)上設(shè)計(jì)進(jìn)一步的優(yōu)化方案，利用MATLAB編程實(shí)現(xiàn)模型的構(gòu)建，達(dá)到網(wǎng)絡(luò)快速有效收斂的目的。
　　灰色預(yù)測(cè)模型和BP