基于多因素的铁路货运量bp神经网络预测研究

《基于多因素的铁路货运量bp神经网络预测研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于多因素的铁路货运量BP神经网络预测研究基于多因素的铁路货运量BP神经网络预测研究吴晓玲等文章编号:1004-2024(2009)10-0033-04中图分类号:U294.13文献标识码:B基于多因素的铁路货运量BP神经网络预测研究吴晓玲,符卓(中南大学交通运输工程学院,湖南长沙410075)摘要:在对铁路运输影响因素进行定性及定量分析的基础上,选取了国内生产总值,第二产业比重,原煤产量,原油产量等10个指标作为影响因素,运用BP神经网络模型构建它们与铁路货运量之间的复杂映射,从而对铁路货运量进行预测,并以近12年铁路货运量为

2、实例进行验证.关键词:铁路货运量;预测;卯神经网络0前言目前,对铁路货运量预测的方法,主要有时间序列(算术平均,移动平均,加权平均,指数平滑等)预测法,灰色预测法,ARMA预测模型,马尔可夫预测模型或者综合两种及其以上方法进行组合预测等.虽然这些预测方法所用的模型各不相同,但均是从时间序列中找规律,利用历年的货运总量数据通过各自的模型预测出未来的货运总量,属于因果分析,趋势预测,即只能反映变化趋势,而不能反映出影响货运量的内部因素对货运量的影响,故这些方法存在着一定的局限性.近年来,虽然已认识到对货运量内部影响因素进行研究的重要

3、性,但是这方面的具体研究成果仍然较少,且大部分的研究对各影响因素的分析均只有定性分析而缺少定量分析.如文献【l】,[2】都首先对影响铁路货运量的因素进行了定性分析,建立神经网络模型对运量进行预测,但文献中影响因素均是人为给出,缺少对各影响因素进行定量分析.本文将在定性分析影响我国铁路货运量的因素的基础上,从中选取一些影响因素,然后对这些因素进行关联度的定量分析,得出各因素与铁路货运量之间的量化关系,将与铁路货运量有密切关系的影响因素代入所设计的BP神经网络,实现各因素与铁路货运量的复杂映射,从而对铁路货运量进行预测.最后以近12

4、年的数据为实例对预测的准确性进行验证.1铁路货运量影响因素分析1.1定性分析(1)国民经济发展的影响.能够反映一个国家经济发展的指标,包括国民生产总值(GNP),国内生产总值(GDP)等.其中国内生产总值为指按市场价格计算的一个国家(或地区)所有常住单位在一定时期内生产活动的最终成果.国民生产总值为国内生产总值加上来自国外的净要素收入.而货运量是在本国范围内进行计算的,显然,与国内生产总值相比更能说明问题.因此,本文将采取国内生产总值作为国民经济发展的代表指标.(2)产业结构的变动.产业结构的变动必然会引起全社会货运总量及各运输

5、方式货运量的变化,对于铁路货运量,占运量比重大的各工业产品的变动对货运量的影响尤其巨大.所以采用第二产业(工业)占国内生产总值的比重作为反映产业结构的指标.■磷溪贤运■■基于多因素的铁路货运量BP神经网络预测研究吴晓玲等(3)能源,冶金等工业及农业的发展.由于我国能源资源分布的不均衡,而其他交通方式在运送大宗货物的局限性,决定了由铁路来承担煤,钢铁等大宗货物的中长距离运输.历年运量资料显示,煤,金属及非金属矿石,钢铁,原油等能源资料的运量占了铁路货运量的60%以上,且比重在不断提高.这些资源产量的变化将直接影响铁路货运量的变化.

6、除了工业产品外,粮食等农产品的运输也是铁路货物运输中不可忽略的一部分.拟分析原煤,原油,钢铁,粮食等产量对铁路货运量的影响.(4)各运输方式的发展.近年来,随着经济的发展,虽然铁路货运量比以前有较大的提高,但是铁路货运量的增长并不与全社会货运总量的增长呈等比例增长,公路运输占了全社会货运市场的绝大比重.故公路运输等其他交通方式的发展对铁路货物运输也有着直接的关系.而各交通方式占货运市场的份额能够直观地体现出各交通方式在交通体系中的地位.故本文将分析各交通方式占货运市场的份额变化对铁路货运量的影响.(5)对外贸易的发展.随着我国对

7、外贸易的不断发展,传统单一的运输方式逐步向多式联运发展.越来越多的大宗货物在远洋运输及铁路运输之间来回变动.故将港口货物吞吐量对铁路货运量的影响作出分析.(6)国家政策.国家政策一般难以量化,但可以通过国家对某些行业的投资多少及投资方向来间接体现.国家对社会基本建设的投资多少不仅能看出国家对某些基本行业的扶植力度,同时基建所用的建材,矿建等也是铁路运输的重点.1.2定量分析在上述的定性分析中,选取对铁路货运量造成影响的因素,但是这些影响因素都需要对其进行定量分析.根据灰色关联度的理论,对各因素进行定量分析.其灰色关联度计算步骤如

8、下】.(1)步骤一.进行数据无量纲化.由于各数据的单位,数量级各不相同,采取初值化进行数据的无量纲化,即将每一组数据均用该组的第一个数据去除,得到一列新的数据列.(2)步骤二.求差序列.设各个时刻与的绝对差为△,贝4△=Ix0(k)一(良)I,(i,k=1,2,