基于UBGPM-Markov的铁路货运量预测方法.pdfVIP

第35卷 第6期 大 连 交 通 大 学 学 报 V01．35 No．6 2014年 12月 JOURNAL OF DAUAN JIA0T0NG UNIVERSITY Dec．2014 文章编号：1673—9590(2014)06—0001—05 基于 UBGPM．Markov的铁路货运量预测方法 逯红兵 ，宋瑞 (北京交通大学 交通运输学院，北京 100044)米 摘 要：针对铁路货运量发展变化的非线性特性，采用非线性灰色模型中的无偏 GM(1，1)幂模型进行 预测 ，并用状态划分更为精细后的马尔可夫链修正预测值 ，从而建立优化后的UBGPM—Markov模型．通 过对我国2000～2012年铁路货运量实例分析，与改进GM(1，1)模型、无偏 GM(1，1)模型2种预测方法 进行了比较 ，比较显示无偏GM(1，1)幂模型具有较高的预测精度．优化后的UBGPM—Markov模型更是 显著提高了预测精度 ，将平均绝对百分误差 (MAPE)由2．11％减少到0．55％． 关键词 ：铁路货运量预测；灰色马尔可夫；无偏 GM(1，1)幂模型；改进马尔可夫链 文献标识码：A 0 引言 间等分的思想进行马尔可夫链 的状态划分．实例 表明改进后的灰色马尔可夫预测模型取得了极佳 铁路货运量预测是指在对铁路货运市场调 的预测效果． 查、分析基础上，运用科学的方法，估计未来运量 及其变化规律，为制定有关政策、编制运输物流发 1 无偏GM (1，1)幂模型 展规划提供科学依据HJ．目前，研究者已提出不 1．1 模型提 出 少铁路货运量预测方法，如神经网络 引、Rough set理论 J、支持向量机 J、灰色系统理论 J、混 铁路货运量受固定资产投资、机车车辆运用、 沌理论 等．单一的运量预测方法很难保证模型 运输组织过程、季节更替等诸多因素影响，而其中 预测的精度，这些方法往往相互结合，优势互补， 许多影响因素又都是灰色的，故灰色理论适用于 以提高预测精度．灰色预测模型在合理选取原始 货运量预测．既有对铁路货运量的灰色预测，实质 数据的情况下，相比其余预测方法，预测精度较 是对原始序列作形如的齐次指数拟合，缺少对铁 高 j．将 GM(1，1)模型与马尔可夫链相结合，即 路货物运输系统中非线性特性的考虑，铁路货运 可得到传统的灰色马尔可夫预测模型 J． 量并非是呈现单纯的指数变化规律．灰色模型在 灰色马尔可夫预测用 GM(1，1)模型建模来 GM(1，1)模型基础上不断得以扩展，又有了诸如 拟合事物的发展趋势，同时用马尔可夫链处理事 无偏 GM(1，1)模型_1、DGM(1，1)模型 141、GM 物发展中的随机性和波动性，以进行中长期预测． (1，1)幂模型 和无偏 GM(1，1)幂模型 等多 灰色马尔可夫虽兼具 GM(1，1)模型和马尔可夫 种扩展形式．以GM(1，1)幂模型为标志，可依据 链方法的优势，但由于GM(1，1)模型存在固有偏 预测 曲线的形式，将灰色模型分为线性灰色模型 差，且状态划分过于粗略，仍需做出改进．文献 [9-