基于数据挖掘的铁路货运量预测方法.pdfVIP

经营管理 铁道货运 2008年第5期 + 文章编号：1004-2024(2008)05-0020-03中图分类号：U294.13 文献标识码：B 基于数据挖掘的 铁路货运量预测方法 ● 李 彦 (中铁第四勘察设计院集团有限公司 线站处，湖北 武汉 430063) 判断。常见的适合铁路需求预测的方法主要有:指数平 摘 要：随着铁路部门信息化的建设，海量 滑法、回归分析法、弹性系数法、灰色系统法、模糊逻 的数据积累使得采用数据挖掘技术对铁路货 [2-5] 辑、人工神经网络（ANN）等 。使用定量预测方法 运量进行预测十分必要。通过系统分析、数 必须满足以下条件:①有真实可靠的历史信息;②信息 据预处理、数据挖掘及知识提取，提出了预 可以被数字化且便于管理;③数据满足“连贯性假定” 测铁路货运量的三种算法：线性回归、BP神 法则，即适用于过去的假定在某种程度上同样适用于 经网络及支持向量回归机，并通过实例验证 未来的情况。 比较了算法的有效性。 关键词：铁路货运量；数据挖掘；BP神经网 2 数据挖掘技术介绍 络；支持向量回归机 伴随着信息技术的不断进步，数据库中知识发现 为了做到有效管理，企业需对未来运营坏境及相 （KDD）技术被广泛应用于科学、工业和商业等领域。 关要素做出预测。铁路部门预测运输需求的变化状况， 1989年召开的第11届国际人工智能联合学术会议 搭建必要的设备和人力平台，需分析出影响起讫点间 (IJCAI)上首次提出了KDD的概念，并得到了正式承 需求和供给能力的主要因素。对铁路货运部门而言， 认。当今最流行的定义是由Fayyad于1996年提出的: 需要预测铁路站场之间的货运量，并进行定性和定量 “KDD的过程，是从大量数据中提取出可信的、新颖 的分析。 的、有效的并能被人理解的知识的高级处理过程。”数 据挖掘的任务主要有关联分析、聚类、分类、预测、时 [6] 1 铁路需求预测方法 序模式等 。 现有的预测方法已达300多种，归纳起来主要为 3 数据挖掘技术的思路和阶段 [1] 定性预测和定量预测两种 。 定性预测技术，也称为“主观”或“基于标准判断” 3.1思路 的技术，主要是通过人来归纳和推理的方法。定量预 数据挖掘以行为计划为基础，根据每个KDD应用 测技术，是指通过数学方法对历史数据进行计算、分 目标，知识发现的每步在执行前先指定相应计划，其过 析，找出变化规律和特征，从而对未来数据作出合理的 程被分为系统分析、数据预处理、数据挖掘、知识提取 20 基于数据挖掘的铁路货运量预测方法 李 彦 2008年第5期 铁道货运 经营管理 4个阶段。文中所采用数据挖掘方法是基于交互性