原文传递
基于HHT的城际趟车客运量组合预测方法研究
| 论文题名： | 基于HHT的城际趟车客运量组合预测方法研究 |
| 关键词： | 铁路运输;客运量;组合预测;希尔伯特黄变换;模糊隶属度 |
| 摘要： | 客运量预测是铁路运输部门科学制定旅客运输计划、合理设计客运产品和营销策略的主要依据。在预测应用开展时如果能够把不同的单项预测方法进行适当的组合，就可以使组合预测整体的预测结果更为准确。本文将希尔伯特-黄变换（Hilbert-HuangTransform，HHT）与组合预测方法相结合，提出了一种城际趟车客运量预测新方法—基于HHT的组合预测方法。通过对这种方法的研究，实现趟车客运量的有效预测，解决单项预测方法不够稳定的问题，同时提高预测结果的精度。这种方法不仅能为铁路预测应用提供趟车客运量预测算法，也能为票额智能预分、列车开行方案设计、列车收益管理等客运业务提供科学决策的基础。本文的主要研究内容包括： (1)在单项预测方法研究中，本文通过引入模糊隶属度对支持向量回归机方法进行改进，同时利用人工鱼群算法对模糊支持向量回归机的参数寻优，拓展了原有预测方法的应用范围，将算法与HHT相结合建立模型，并通过数值实验证明了该算法能够有效提高预测结果的准确度。 (2)本文建立了基于HHT的时间序列模型以及基于HHT的BP神经网络模型，同时利用遗传算法对BP神经网络的参数进行优化，通过科学选取参数，达到优化预测模型的目的。用这两种模型进行数值实验，通过与未进行HHT处理的算法进行比较，可以证明这两种模型能够有效对城际趟车客运量进行预测，并提高预测精度与相关度。 (3)本文通过经验模态分解（Empirical Mode Decomposition，EMD）的方法，对城际趟车客运量数据进行频度分解，获得分量的数据，通过分组预测的方法排除无关影响因素的干扰，使预测结果的精度进一步提高。通过实验证实了经过HHT处理后的数据可以有效提升预测精度，同时使数据从长相关性变为短相关性数据，有效提升了预测结果与历史客运量的相关性。 (4)在建立单项预测模型的基础上，建立基于HHT的组合预测模型，使输入信息考虑更加全面。通过线性以及非线性组合预测原理，确定参与组合的单项模型权重，并用这种组合预测模型对城际趟车客运量数据进行预测，最终结果证明该模型不仅具有良好的可靠性和平稳性，同时也提高了预测结果的准确性，在实际应用中具有较好的参考性。 |
| 作者： | 孟歌 |
| 专业： | 计算机技术 |
| 导师： | 伍忠东;王富章 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
