铁路货运量的灰色预测模型.pdfVIP

2006年第2期 铁道货运 货物运输 + 文章编号：1004-2024(2006)02-0019-02　 　中图分类号：U294.13 文献标识码：B 铁路货运量的 灰色预测模型 1 2 ● 单丽辉 ，王 强 (1.北京交通大学 交通运输学院，北京 100044；2.淮北矿业集团，安徽 淮北 235200) 摘 要：通过对近年全国铁路货运量的统计 1 灰色预测模型原理 数据进行分析，运用灰色理论建立了铁路货运 量预测模型。经过实际数据计算和精度检验， 灰色理论利用较少的或不确切的表示系统特征的 验证了灰色预测模型的有效性。 原始数据序列作生成变换后建立微分方程，对灰色过 关键词：铁路运输；货运量；预测；灰色理论 程建立的模型称为灰色模型(Grey Model)，简称GM模 [2] 型 。在利用灰色理论建立铁路货运量预测模型时，首 货运量预测实质上是对货运量的历史数据进行时 先对现有数据进行累加生成处理，使生成的新数据序列 间序列分析，目前常用的预测方法有最小二乘法、AR 变为有规序列，这样既能弱化原数据序列的随机性，又 模型、神经网络模型等，其中最小二乘法误差较大，AR 可为模型提供中间信息。以全国铁路货运量的统计数 模型要求数据量较大，而神经网络模型需要的训练样本 据为依据进行讨论，设历史货运量原始数据序列为： [1] (0) (0) 较多 。铁路货运量受到多种因素的影响，如运输需 x ＝{x（i）} i＝1，2，…，n 求、运输量、运输供给能力和非市场经济因素等，这些 (0) 对x 作一次累加生成处理： 因素中有的是已知的，有的是未知的，给预测带来很大 (1) (0) 的困难，并且实际中可利用的数据量较少，因此，上述 x （i）＝ x （i） 方法在铁路货运量预测的应用中存在一定问题。而灰 实际应用最多的是GM（1，1）模型，该模型为一阶 色系统理论着眼于系统本身的灰色信息，寻找系统的内 线性微分方程。前面的“1”表示阶数；后面的“1”代表 在规律，通过对动态信息的开发、利用和加工，对离散 变量数，在此表示时间变量。阶数越大，内涵也就越丰 数据建立基于微分方程的动态模型，从而了解系统动态 富，但计算复杂，微分方程求解也比较困难，更重要的 行为和发展趋势。灰色模型所需数据量较少，通常只要 是精度并不一定提高。取GM（1，1）模型时，计算相对 有4个以上数据即可建模，并且不必知道原始数据分布 [3] 简单，编程求解也较容易 。对铁路货运量一次累加生 的先验特征，对无规序列或服从任何分布的光滑离散数 成的新序列建立模型方程为： 据序列，通过有限次的生成即可满足建模条件。灰色模 (1) dx (1) ＋cx＝u 型的预测精度较高，可保持原系统的特征，能较好地反