铁路货物运输课程作业概要.docx

《铁路货物运输》课程作业交通运输1302班 彭宇冰(1104130418)1.已知条件及问题某铁路局2010~2014年分季度货物发送量如下表所示。为规划未来货运组织工作，需预测未来该局货运量规模。请历史运量资料，采用合适的预测方法预测2020年该局货物发送量及各季度发送量。表1 某铁路局2010~2014年分季度货物发送量年份季度季度发送量（万吨）年运量（万吨12027.32517.33489.94570.020111543.52440.52610.33656.84629.920121557.82227.32617.33491.24561.020131575.92159.32507.43533.14542.920141494.91778.72431.93355.24496.72.选取预测方法2.1 时间序列分析的描述时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。该方法简单易行，便于掌握，但准确性差，一般只适用于短期预测。时间序列预测一般反映三种实际变化规律:趋势变化、周期性变化、随机性变化。时间序列分析根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面[1]。2.2 选取时间序列分析的理由1.本题的要求是根据2010~2014年各季度和每年货运总量，预测2020年的各季度和总发送量，首先，题中给出数据是具有时间顺序的，是按照时间顺序的一组数列，符合时间序列分析的数据要求；2.其次，题中只给出了五年的数据，数据量较小，最后预测的是2020年的各指标的情况，属于短期预测，根据对时间序列分析的描述可知，时间序列应用过去的数据对将来的数据进行短期预测，因此，它适用于对2020年的各指标进行预测。3.2020年各季度及年发送总量预测过程3.1 确定性因素分解一个时间序列通常由四种要素组成：长期趋势波动（T）、循环波动（C）、季节性变化（S）、随机波动（I）。一般常用的模型有乘法模型和加法模型。乘法模型是假定四种因素存在着某种相互影响关系，互不独立。因此，时间序列各期发展水平是各个影响因素相乘之积，适用于相对数时间序列总变动的计算。其计算公式为： （1）式中： Y — 动态总变动,各期发展水平。加法模型是假定四种变动因素是互相独立的，则时间序列各期发展水平是各个影响因素相加的总和，适用于总量指标总变动的计算。其计算公式： （2）因此，在预测2020年度各季度发送量时使用乘法模型，预测年度总发送量时使用加法模型。3.2时间序列的分解分析时间序列的分解就是要按照给定的分析模型,将各种变动因素的具体数值测定出来。分解分析之前,首先确定解序列中所包含的构成因素。循环波动是时间序列呈现出得非固定长度的周期性变动。循环波动的周期可能会持续一段时间，但与趋势不同，它不是朝着单一方向的持续变动，而是涨落相同的交替波动。由于在本题中给出的数据量较少，无法体现出长期的循环波动，因此分解分析中包含的因素有长期趋势波动（T）、季节性变化（S）、随机波动（I）。乘法模型:；加法模型:。3.3趋势分析3.3.1简单指数平滑法介绍有些时间序列具有非常显著的趋势，趋势分析的目的就是找到序列中的这种趋势，并利用这种趋势对序列的发展做出合理的预测。本文采用指数平滑法进行趋势分析。指数平滑法是生产预测中常用的一种方法，也用于短期经济发展趋势预测。指数平滑法兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。指数平滑方法的基本思想是：对大多数随机事件而言，一般都是近期的结果对现在的影响会大些，远期的结果对现在的影响会小些。为了更好反映这种影响作用，将考虑到时间间隔对事件发展的影响，各期权重随时间间隔的增大而呈指数衰减[2]。简单指数平滑