基于多因素的铁路货运量BP神经网络预测研究.pdf

《基于多因素的铁路货运量BP神经网络预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-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)少对各影响因素进行定量分析。摘要：在对铁路运输影响因素进行定性及定量本文将在定性分析影响我国铁路货运量的因素的分析的基础上，选取了国内生产总值、第二产业基础上，从中选取一些影响因素，然后对这些因素进行比重、原煤产量、原油产量等10个指标作为影响关联度的定

2、量分析，得出各因素与铁路货运量之间的因素，运用BP神经网络模型构建它们与铁路货运量化关系，将与铁路货运量有密切关系的影响因素代量之间的复杂映射，从而对铁路货运量进行预测，入所设计的BP神经网络，实现各因素与铁路货运量的并以近12年铁路货运量为实例进行验证。复杂映射，从而对铁路货运量进行预测。最后以近12关键词：铁路货运量；预测；卯神经网络年的数据为实例对预测的准确性进行验证。0前言1铁路货运量影响因素分析目前，对铁路货运量预测的方法，主要有时间序列1。1定性分析(算术平均，移动平均，加权平均，指数平滑等

3、)预测(1)国民经济发展的影响。能够反映一个国家经法，灰色预测法，ARMA预测模型，马尔可夫预测模型济发展的指标，包括国民生产总值(GNP)，国内生产或者综合两种及其以上方法进行组合预测等。虽然这总值(GDP)等。其中国内生产总值为指按市场价格计些预测方法所用的模型各不相同，但均是从时间序列算的一个国家(或地区)所有常住单位在一定时期内生中找规律，利用历年的货运总量数据通过各自的模型产活动的最终成果。国民生产总值为国内生产总值加预测出未来的货运总量，属于因果分析，趋势预测，即上来自国外的净要素收入。而货

4、运量是在本国范围内只能反映变化趋势，而不能反映出影响货运量的内部进行计算的，显然，与国内生产总值相比更能说明问因素对货运量的影响，故这些方法存在着一定的局限题。因此，本文将采取国内生产总值作为国民经济发性。近年来，虽然已认识到对货运量内部影响因素进展的代表指标。行研究的重要性，但是这方面的具体研究成果仍然较(2)产业结构的变动。产业结构的变动必然会引少，且大部分的研究对各影响因素的分析均只有定性起全社会货运总量及各运输方式货运量的变化，对于分析而缺少定量分析。如文献【l】、[2】都首先对影响铁铁路货运量

5、，占运量比重大的各工业产品的变动对货路货运量的因素进行了定性分析，建立神经网络模型运量的影响尤其巨大。所以采用第二产业(工业)占国对运量进行预测，但文献中影响因素均是人为给出，缺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(3)步骤三。求两级最小差与最大差。两级最小源资源分布的不均衡，而其他交通方式在运送大宗货差：A(rain)=m!n(minlx0(k)一(k)I)，两级最大物的局限性，决定了由铁路

6、来承担煤、钢铁等大宗货物差：Ai(max)=max(maxlxo(；=)一j(k)I)。的中长距离运输。历年运量资料显示，煤、金属及非金(4)步骤四。计算关联系数。属矿石、钢铁、原油等能源资料的运量占了铁路货运量关联系数(k)=[minrn~nlxo(k)一Xi(k)l+0．5max的60％以上，且比重在不断提高。这些资源产量的变maxlxo(k)一Xi(k)I]／[Ixo(k)一Xi(k)l+0．5ma．xma，xIxo．化将直接影响铁路货运量的变化。除了工业产品外，(k)一(k)1]=[Af(min

7、)+0．5A(max)]／[Ixo(k)一Xi粮食等农产品的运输也是铁路货物运输中不可忽略的(k)I+0．5A(max)]一部分。拟分析原煤、原油、钢铁、粮食等产量对铁路(5)步骤五。计算关联度。关联度：寺∑(k)货运量的影响。(4)各运输方式的发展。近年来，随着经济的发2BP神经网络展，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BP神经网络是近年发展起来的一门交叉学科，其长，公路运输占了全社会货运市场的绝大比重。故公具有非线性映射、并行处理、自适应学习和

8、鲁棒容错等路运输等其他交通方式的发展对铁路货物运输也有着特性。被广泛用于模式识别、人工智能、控制工程、优直接的关系。而各交通方式占货运市场的份额能够直化计算、信号处理等领域。观地体现出各交通方式在交通体系中的地位。故本文BP神经网络基于误差反向传播算法(BP算法)的将分析各交通方式占货运市场的份额变化对铁路货运多层前向神经网络，是迄今为止最著名的多层网络学量的影响。习算法，也是人工神经网络中应用最广泛的算法模型。(5)对外贸易的发展。随着我