原文传递
改进灰色神经网络模型在甘肃省铁路客运量预测中的运用
| 论文题名： | 改进灰色神经网络模型在甘肃省铁路客运量预测中的运用 |
| 关键词： | 铁路客运量;灰色预测;BP神经网络;马尔可夫链 |
| 摘要： | 长久以来，铁路运输一直作为带动经济的命脉，同时也是人们出行的主要方式之一。近年来，随着生活水平的不断提高，人们的出行需求增大，刺激了铁路客运的增长，也使交通运输部门迫切需要加快铁路的建设，作为建设依据的铁路客运量预测发挥着越来越大的作用。由此可知，对铁路客运量进行科学合理的预测是有必要的，不仅能够为铁路运输行业提供决策依据，也能为铁路评价体系提供可靠的指标。客运量受到多方面因素的影响，随着国家对西部地区的大力建设和甘肃省内经济的持续增长，总体来看，甘肃省铁路客运量呈上升趋势。 结合上述背景，本文首先阐述了铁路客运量预测的研究背景、研究目的及意义，分析了国内外铁路客运量预测的研究现状，在此基础上介绍了本文研究的主要内容及技术路线。 其次，本文对铁路客运量预测研究中的常用方法进行了一定的阐述，并借助甘肃省历年铁路客运量的数据及客运量的变化趋势，建立了基于时间序列的灰色GM(1，1)模型和灰色verhulst模型进行预测。 再次，本文从定性的角度出发，阐述了铁路客运量与其影响因素之间的关系，并通过对客运量的发展趋势及其影响因素的变化分析将影响因素进行量化，运用灰色关联分析法计算出各影响因素与客运量之间的关联度，确定了铁路客运量的主要影响因素，建立了BP神经网络模型进行预测。 然后，本文通过分析灰色预测模型和BP神经网络模型的优缺点，构建了灰色BP神经网络组合模型，并运用此模型对客运量进行了预测。 最后，本文将上述几种模型的预测结果进行对比发现组合预测模型的平均相对误差最小，并且发现模型残差符合非平稳随机性，呈现马尔可夫性质。所以采用马尔可夫链模型将灰色BP神经网络组合模型的预测值进行优化改进，进一步提高模型精度。 本文通过对客运量预测的研究提出了一种基于马尔科夫链改进的灰色BP神经网络组合模型，通过实例分析验证了该模型预测精度相对较高。能够为甘肃省铁路建设、交通规划提供重要的指导，为客运量预测工作提供新的解决思路。 |
| 作者： | 袁胜强 |
| 专业： | 土木工程建造与管理 |
| 导师： | 鲍学英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
