原文传递
基于机器学习理论的铁路货运量预测研究
| 论文题名： | 基于机器学习理论的铁路货运量预测研究 |
| 关键词： | 铁路运输;货运量预测;机器学习;Adaboost算法 |
| 摘要： | 货物运输是铁路的核心业务之一，这种运输业务在全国货物的运输中起着重要的角色。全国铁路货运中心成立于2013年，目前正面临着新的发展机遇。铁路货运量预测未来的需求十分迫切，因此，货运量的预测是许多铁路企业进行车辆和资源调配的主要参考依据，通过对未来货运发展的情况进行分析，会发现很多新的问题带来，带来许多新的资源和新的机遇，到目前为止，有许多可用的方法对铁路货运量的预测，但是，随着国内市场环境的变化，对铁路货运量影响的因素也变得更加复杂多变，以往的方法也逐渐显现出他们的不足和局限的地方，对于一些定量方法，例如，回归方法，是通过历史数据的拟合来得到相应的预测函数，但是，此种方法只适合于少量的数据加以拟合，一旦数据过多，处理起来就显得力不从心，而对于机器学习方面的算法，通过训练集训练函数，可以将数据进行动态的纠错和整理，从而使预测结果更加准确。因此，需要引入一些适应现今时代发展的方法来进行运量预测，以弥补传统方法的不足。 本文在首先分析了国内货运的大背景后，提出新方法的必要性和紧迫性;然后分析总结国内外相关文献分析得到目前的研究现状;通过分析国内具体市场环境，确定了7个因素，分别是:铁路货物周转量、国内生产总值、铁路运输业就业人员数、水路货运量与公路货运量之和、铁路营业里程、原煤产量和钢材产量;之后分别采用SVR算法、BP神经网络、Adaboost算法、梯度提升决策树GBDT算法进行了预测，得到了用这几种方法预测的货运量，并经过比较有了结论。总体来说，Adaboost算法稳定，准确率高，是一种较为理想的预测方式。 |
| 作者： | 沙元森 |
| 专业： | 交通运输工程 |
| 导师： | 刘斌;刘志栋 |
| 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
