原文传递
小波神经网络在客运量预测中的应用研究
| 论文题名： | 小波神经网络在客运量预测中的应用研究 |
| 关键词： | 铁路客运;客流预测;小波神经网络 |
| 摘要： | 铁路运输在社会生活中占有极为重要的地位，是现代交通运输的骨干，担负着我国大部分的长距离物资运输和中长途旅客运输。我国具有丰富的资源和辽阔的地域，但产业的布局和资源的分布不均衡。因此需要铁路这种大宗低廉的交通方式，尽可能的使各种资源均匀分布从而得到充分地利用。其次，我国内陆深广且人口众多，铁路这种便捷安全的交通方式具有很大的优势，是其他交通工具不可比拟的。近几年，我国高铁建设开通的速度愈来愈快，铁路客流量呈现出逐年上升的趋势，客运市场的竞争也愈来愈激烈。为了增强铁路客运市场的竞争力，需要合理安排铁路运输的各项组织工作，满足人们不断增长的出行需求。有效地计划和组织旅客运输并使旅客出行顺利，必须准确分析预测铁路客流，提供客运系统的规划布局方面的依据，这对于客运的决策者和管理者来说十分重要。 基于上述背景，在前人研究的基础上，本文通过建立小波神经网络预测模型对铁路客运量进行预测。小波神经网络是小波理论和人工神经网络相结合的产物，综合了小波变换时频局域化的优点和神经网络的自学习能力，因而使得小波神经网络具有较强的逼近和容错能力，并具有良好的收敛性和鲁棒性，从而可以更好地实现预测。 在小波神经网络模型中，将小波基函数作为隐含层节点的传递函数，避免了BP神经网络的盲目性，使运行结果的准确度更高，同时逼近能力得到了改善，收敛速率更快。为了避免神经网络输入层节点数的随意性对预测结果的影响，论文通过相空间重构技术求取嵌入维数，将嵌入维数作为小波神经网络输入层的节点数。另外，为了提高小波神经网络模型的预测精度，在进行预测实验前，采用小波去噪理论对原始时间序列进行去噪处理，通过大量的对比仿真实验确定最佳的去噪模型。同时为了进一步说明小波去噪法对预测结果的影响，论文采用相同的小波神经网络模型对去噪前后的时间序列进行预测。 客运量预测模型建立完成后，论文设计进行两组实验，以中国铁路客运量以及美国铁路客运量为研究对象进行预测分析，通过对两组实验预测结果及误差的分析发现，小波神经网络模型对客运量进行预测的可行性。此外，采用小波去噪法处理时间序列可以提高预测模型的预测精度，减小预测误差，使预测结果更加接近于真实值。 |
| 作者： | 崔乃丹 |
| 专业： | 物流工程 |
| 导师： | 向万里;张晓东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
