原文传递
基于数据挖掘的铁路货运量预测应用研究
| 论文题名： | 基于数据挖掘的铁路货运量预测应用研究 |
| 关键词： | 铁路运输;货运量;需求预测;数学模型 |
| 摘要： | 铁路货运量作为铁路货运市场体系中的一个重要指标，极大程度上反映了国民经济对铁路货物运输的重要需求，是安排货物运输计划的重要依据，需要铁路内部各部门的相互紧密配合。在市场经济条件下，铁路部门应该及时、准确、科学的对铁路运输需求进行预测分析。而铁路货运量的变化趋势是由内外部多种因素共同作用的结果，相互之间存在着密切的映射关系，因此需厘清其复杂的关系，并对铁路货运量的变化做出正确的预判，从而促进铁路货运稳定的向前发展。 本文在对数据挖掘技术和常见的预测方法进行分析的基础上，确定货运量预测目标，并以此进行数据仓库设计。通过多维数据进行广深线货运量数据可视化展示，观察站段以及线路的货运量变化特点，确定分析主题为月度预测和年度预测，并分别采用不同的数学模型。针对货运量月度预测采用霍尔特-温特斯模型和SARIMA模型，以此考虑货运量变化的季节性、趋势性和平稳性因素，得到具体每月的预测结果;而对货运量年度预测采用时间序列模型和神经网络模型，分别进行单因素分析和多因素分析，并对比其预测结果。本文还针对预测结果进行意义分析，并提出其所适用的场景。 |
| 作者： | 张璇 |
| 专业： | 物流工程 |
| 导师： | 陈宁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
