铁路客运预测分析开题报告

《铁路客运预测分析开题报告》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、开题报告题目：《铁路客运预测分析》报告人：年月日一、文献综述从建国后，不少的专家学者已经开始重视这个问题，希望通过对某个地区连续几年的客流量数据的分析，包括客流量的增长的趋势和流量的趋势来预测今后几年的客流量的发展，以及在客流的集中和分散的趋势来制定比较可行的方案来知道实际的客运运行。改革开放以后随着我国铁路行业的迅速发展，相关的研究也不段的涌现，大量的成果应用于铁路的实际运行中，起到了指导的作用。其中本文参考的文献重要有：《铁路客运面临的困境及其对策研究》（刘世峰,张廷军，1998）、《客流预测及公铁竞争模型研究》（罗秀云，1998）、《

2、LS-SVM的参数优选及铁路客运市场预测》（周辉仁,郑丕谔，2007）、《预测铁路旅客运输市场发展趋势的研究》（李卫东，2006）、《铁路客运专线运量预测方法研究》（任民，2008）、《铁路客流预测方法研究》（郭孜政，2005）、《基于支持向量机的铁路客运量预测》（彭珍瑞,孟建军,祝磊，2007）、《基于灰色动态模型的铁路客运量预测与分析》（申耀伟,XieXiaoru，2008）、《基于双层次正交神经网络模型的铁路客运量预测》（汪健雄,刘春煌,单杏花，2010）、《基于模糊集理论和灰色理论的铁路客运量预测模型》（覃频频,牙韩高,黄大明，20

3、06）、《基于神经网络的铁路客运量优化预测》（吴昕慧.，2010）《基于灰色线性回归组合模型铁路客运量预测》（侯丽敏,马国峰，2011）、《推行客运信息系统提升铁路客运竞争力》（张兵兵，2011）等等，从这些文献中我们可以看到这些专家学者看到了我国铁路客运目前存在的一些问题，并且针对这些问题提出了自己的解决办法，有些已经在实际的生产中得到了应用。吴昕慧认为“通过采用遗传算法优化的RBF神经网络参数，较好的解决了RBF神经网络易于陷入局部最优的问题，在对铁路客运量预测的实例应用中，通过对比显示了GA—RBFNN模型预测的结果稳定，收敛速度快，

4、精度高，可操作性好，对铁路企业的经营决策有着良好的指导意义，同时本方法为其它相关领域利用神经网络进行建模预测提供了一种好的思路和方法。”陈鹏,孙全欣认为基于灰色GM(1,1)马尔柯夫过程，同时采用模糊聚类方法的铁路客运量预测方法是一种全新的预测方法，是基于我国铁路网整体运量预测的一种方法，在具体线路上不一定会有良好的预测效果，但在整体客运量预测方面有着独特的优势。这种预测方法充分考虑了铁路客运量的增长趋势预测和随即变动预测，在这两方面加以考虑，更加的贴合铁路客运的实际情况，能更加有效的指导铁路的客运。汪健雄3等则基于时间序列的特征分析提出了

5、用于客运量预测的双层正交神经网络模型，其核心思想是在网络学习的初始阶段，将输入信息根据特征分层次处理而不是混合所有的输入信息，并在隐含层的输出采用Gram-Schmidt变换增加投影层，使得在训练过程中减少了不必要的网络连接。该模型在解决短期铁路客运量预测遇到的问题方面更加有优势。罗秀云制作了旅客咨询表，对出行旅客选择交通工具的各种影响因素进行了调查，掌握了第一手资料，并且借助计算机技术将数据整理，利用Logit模型和获得的数据建立了相应的公铁竞争模型，应用此模型对铁路客流分担率进行了分析。并自此基础上提出了铁路客运的发展建议：我国铁路客运

6、适宜高速列车，大力发展高速列车，同时对现有运力进行提速，并努力提高服务质量并且发展配套设施。周辉仁,郑丕谔采用最小二乘支持向量机回归的方法在铁路客运市场中的预测，首先用遗传算法确定支持向量机的最佳数，进而建立起基于时间序列的预测模型，从预侧结果可以看出，该方法用于铁路客运市场预测其有更高的精度。这种方法在使用过程中，需要的时间相对更短，同时用遗传算法优化相关的参数能有效的避免过拟合和欠拟合的现象，具有很强的实用能力和准确的特点。侯丽敏,马国峰运用灰色预测理论构建灰色模型GM(1，1)与线性回归的组合模型，模型改善了原线性回归模型中没有指数增

7、长趋势和基本灰色预测模型中没有线性因素的不足，和单一模型相比，预测精度更高，预测结果更为可靠，具有较高的实际应用价值，也为铁路客运量预测研究提供了新的途径。桂文林,韩兆洲在国内首次将Tramo／Seats季节调整模型应用于客运量预测领域，季节调整模型引入了预调整模块，对交易日、异常值等进行预调整，使因素分解更精确；分析了客运量历史和将来的趋势、季节特征，而Holt—Winters模型只能得到末期的上述特征，这种模型虽然预测的准确度很高，但是没有包括假期在内，特别是像春节这样的假期由于春运的存在使得这样的模型不能更好的预测客流量进而进行全面的

8、指导作用，只能指导平时的铁路客运运作。张兵兵主张在全国范围内推行客运信息系统，使得调度人员充分掌握各阶段旅客的出行规律和铁路的运力调配，这样能更好的做出服务调整，满足人们出行的需