基于灰色回归组合模型的铁路客运量预测研究

《基于灰色回归组合模型的铁路客运量预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于灰色回归组合模型的铁路客运量预测研宄王彬天津大学管理与经济学部摘要：铁路客运量是衡量我国交通需求的重要指标，科学预测铁路客运量是制定交通发展规划的重要依据。鉴于组合模型能克服单一模型的不足并兼具单一模型的优点，基于灰色模型和线性回归模型，根据灰色关联度赋予单一模型相应权重，建立铁路客运量组合预测模型，并选取2006—2015年铁路客运量数据，对我国铁路客运量进行预测。结果表明：组合模型克服了单一模型的预测局限性，能进一步提高预测精度，适用于铁路客运量预测研宄。关键词：灰色模型;线性回归模型;组合模型;铁路客运量;作者

2、简介：王彬(1973—)，男，海南临高人，硕士，主要从事管理科学与工程研究，E-mail:wangbin1973@zoho.com。收稿曰期:2017-03-26基金：天津市应用基础及前沿技术研究计划资助项目“基于感知过程的复杂系统信息融合理论与应用研究”(10JCYBJC07300)ForecastofRailwayPassengerTrafficBasedonGreyLinearRegressionCombinedModelWANGBinDepartmentofManagementandEeconomics，Tian

3、jinUniversity:Abstract：Railwaypassengertrafficisanimportantindextomeasurethedemandoftransportationinourcountry.Scientificforecastofrailwaypassengertrafficisanimportantbasisforthedevelopmentoftransportationdevelopmentplanning.Inordertoaccuratelypredictthepassenger

4、capacityofourcountry,thispaperestablishesthegreylinearregressioncombinedmodelforrailwaypassengertraffic,basedonthegraymodelandthelinearregressionmodel,towhichcorrespondingweightisgivenaccordingtothegraycorrelationdegree,andselecttheof2006-2015railwaypassengertraf

5、fictoforecastingourRailwayPassengerTraffic.Theresultsshowthatthecombinedmodelovercomesthepredictionlimitationsofthesinglemodelandhasawiderangeofapplication,whichcanfurtherimprovethepredictionaccuracyandcanbeusedtopredicttherailwaypassengertraffic.Keyword：greymode

6、l;linearregressionmodel;combinedmodel;railwaypassengertraffic;Received：2017-03-26铁路作为-种现代化运输方式，是一个国家经济发展水平高低的集中体现。同吋,国民经济的发展也离不开铁路运输业的发展，两者相辅相成。随着我国经济的迅猛发展，我国铁路运输能力不断增强，铁路客运量不断增长，这就耍求我们合理制定铁路运输计划、科学预测铁路客运量。作为铁路运输组织工作的重要基础，铁路客运量预测的准确性不仅影响着铁路运输资源配置效率，更影响着铁路运输发展规划的制

7、定，关乎我国铁路运输业的健康发展，具有举足轻重的现实意义。在铁路客运量预测方面，国内学者提出了多种预测模型。刘殿胜U1对我国铁路客运量运距构成进行了分析，为铁路客运量预测打下了良好基础。王卓等m利用改进的BP祌经网络对铁路客运量时间序列进行分析，得到了相对满意的预测结果。郝军章等m利用SARTMA模型对我国铁路客运量季节时间序列进行研究，拟合结果表明预测精度相对较好。侯立新M利用指数平滑法对京包线旅客发送量进行预测，通过分析旅客发送量时间序列发现运用二次指数平滑模型进行预测是科学合理的。田桂英等包1基于GM（1，1）残差

8、模型对广西壮族自治区铁路客运量进行预测，结果表明:GM（1，1）残差模型能利用较少的数据得到精度较高的预测数据。李晓东M基于线性冋归-马尔可夫模型对我国铁路客运量进行预测，结果表明：线性回归-马尔可夫模型在铁路客运量预测方面还有待进一步完善。通过对以上模型进行分析发现：目前常用的铁路客运量预测模型都比较依赖于大量历史