鐵路客運(yùn)量預(yù)測是鐵路旅客運(yùn)輸組織工作的重要基礎(chǔ)和主要依據(jù)之一，準(zhǔn)確預(yù)測客運(yùn)量是鐵路運(yùn)輸企業(yè)面向市場、把握未來的重要保障。 本文主要研究客運(yùn)量短期預(yù)測問題，旨在探討適用于客運(yùn)量短期預(yù)測的方法，分析其適用條件和局限性，為客運(yùn)量短期預(yù)測工作中方法和模型的選擇提供參考依據(jù)，并在此基礎(chǔ)上提出了基于BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測方法。 本文首先對短期客運(yùn)量的時序特性和變化規(guī)律進(jìn)行分析，指出短期客運(yùn)量時間序列是一個存在季節(jié)和周期變化趨勢、并存在一定增長(或降低)趨勢的非平穩(wěn)時間序列，并據(jù)此將鐵路客運(yùn)量的短期預(yù)測定位于主要采用基于時間序列分析的方法進(jìn)行預(yù)測。 針對短期客運(yùn)量的時序變化規(guī)律的不同特性，本文分別運(yùn)用季節(jié)調(diào)整方法、Box-Jenkins方法和灰色預(yù)測方法進(jìn)行預(yù)測，通過對這三種典型時間序列預(yù)測模型的分析比較，總結(jié)出了它們的優(yōu)缺點(diǎn)，并簡要分析了這些模型在運(yùn)量短期預(yù)測中的適用條件。 最后，為有效利用各種模型的優(yōu)點(diǎn)，克服單一模型的缺陷，達(dá)到提高預(yù)測精度和增加結(jié)果可靠性的目的，本文提出了基于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練權(quán)重的組合模型，對短期客運(yùn)量進(jìn)行組合預(yù)測。在神經(jīng)網(wǎng)絡(luò)算法上，本文采用了改進(jìn)的基于數(shù)值優(yōu)化方法的網(wǎng)絡(luò)訓(xùn)練算...

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1某區(qū)段2002至2005年各年旅客發(fā)送量的波形疊合圖

點(diǎn):1.季節(jié)特征較明顯圖2.1是某區(qū)段2002至2005各年月度旅客發(fā)送量的變化波形疊合圖。400000350000300000250000200000150000100000500000....…2002年年一一-.卜-~2003年年、、2004年年---....

圖2.2F19.2.2Pattern客運(yùn)量時序數(shù)據(jù)的折線圖

2.周期性變化較顯著圖2.2是該區(qū)段連續(xù)56個月的月度旅客發(fā)送量的變化折線圖。鐘側(cè)搜嘆颯圳繃圖2.2F19.2.2Pattern客運(yùn)量時序數(shù)據(jù)的折線圖ofSeasonalVarlation:LineChart結(jié)合圖2.2和圖2.1，可以看出連續(xù)幾年旅客發(fā)送量圖形的走勢....

圖2.3客運(yùn)量時序數(shù)據(jù)的柱狀圖

圖2.2F19.2.2Pattern客運(yùn)量時序數(shù)據(jù)的折線圖ofSeasonalVarlation:LineChart合圖2.2和圖2.1，可以看出連續(xù)幾年旅客發(fā)送量圖形的走勢都比較近似，月度旅客發(fā)送量以近似12個月為周期變化，存在周期變化趨勢。3.2.3月度同期客運(yùn)量緩慢增加是該....

圖2.4某區(qū)段月度旅客發(fā)送量時間序列的自相關(guān)分析圖

從前面分析可知，隨時間的變化，某區(qū)段2002至2005年月度旅客發(fā)送量時間序列呈現(xiàn)緩慢上升趨勢和季節(jié)周期波動，且有異常點(diǎn)出現(xiàn)。計算客運(yùn)量序列自相關(guān)系數(shù)，并繪制它的自相關(guān)圖，如圖2.4，從圖中可以看出，其自相關(guān)系數(shù)沒有很快的趨于零，落入隨機(jī)區(qū)間，本序列是一個非平穩(wěn)時間序列，且有較強(qiáng)....

本文編號：3988970