基于支持向量回归机的铁路货运订车数预警.pdfVIP

第37卷，第6期 中 国 铁 道 科 学 V01．37No．6 20l6年11月 CHINARAILWAYSCIENCE 文章编号：1001—4632(2016)06—0121—07 基于支持向量回归机的铁路货运订车数预警方法 殷玮川1’2，何世伟2，黎浩东2，何必胜3 100044； (1．北京交通大学城市交通复杂系统理论与技术教育部重点实验室，jE京 2．北京交通大学交通运输学院，北京 100044； 3．西南交通大学交通运输与物流学院，四川成都610031) 摘要：采用主成分分析法遴选出与铁路货运订车数关系密切且包括订车数在内的12个指标作为预警指 标；将警报级别分为无警、低警、中警和高警4个；分别采用均匀取值法和非均匀取值法2种警报区间划分法 确定4个警报级别的警报区间；取警报区问的中间值作为对应的警报值。由这12个预警指标某一时间段的并归 一化处理后的指标值及对应2种警报区间划分方法得到的2组警报值构建出2个样本数据集。分别用这2个样本 数据集与多项式核函数、高斯径向基核函数和Sigmoid函数组合成6种条件，分别进行支持向量回归机(SVR) 的训练，根据训练的预警效果提出基于均匀取值法和高斯径向基核函数的SVR铁路货运订车数预警方法。以 2016年3—6月的铁路货运订车数为例进行预警分析，验证了该方法的适用性和有效性。该方法已应用于中国铁 路货运营销辅助决策系统预警模块的开发中。 关键词：货运组织；订车数预警；支持向量回归机；主成分分析法；核函数 文献标识码：A 中图分类号：U294．13 随着铁路货运改革的不断深人进行，货运市场 样本。 Vector 需求的波动变化也越来越受到重视。如何及时有效 支持向量回归机(SupportRegres— 地应对货运需求波动造成的影响，是铁路决策管理 sion，SVR)方法是一种处理小样本的机器学习方 部门需要科学规划的关键问题。铁路货运订车数反 法，能够很好地处理非线性回归问题，已经在财务 映了铁路货运的需求，直接影响着铁路货运量的大 预警[5】、网络舆情预警[6]等多个行业的预警研究中 小以及铁路货运能力紧张与否。因此，对铁路货运 得到应用，而在预测方法上的应用最为成熟，如铁 订车数进行预警，为铁路相关部门提前做好应对措 路货运量的预测[7]、铁路列车晚点时间预测[8]、短 施提供依据，从而及时有效地满足货主的运输需 时交通流预测[9]、高速铁路路基沉降预测[10|、电 求。目前，与铁路货运订车数预警相关的定量研究 力负荷预测[1卜12]等。核函数作为支持向量回归机 方法并不多，定性研究方法有铁路货运预警评价方 方法的重要核心部分，对其的研究也越来越多。文 法E1]和铁路有关的监测预警系统[2～]等，但这些研献[13]研究了不同核函数的支持向量机财务预测 究中存在主观性强、误差较大等问题。而在采用均 方法，文献[14]研究了不同核函数的参数选取方 匀取值法[12,5]和非均匀取值法[3’6]研究预测或预警法，文献[15]构造了混合遗传算法求解不同核函 警报区间划分方法的文献中缺乏对这2种划分方法 数的参数。构造性能优良的支持向量回归机预警方 的比较分析。并且这些研究中的预警方法[1书]只是 法，关键在于选择适合其应用领域的核函数，并且 一种事后的评判，还没有达到实时预警的效果。随 确定相关参数[16|。 着近年来铁路货运量呈下降或波动的趋势，传统的 因此，本文首先确定预警指标、警报级别，采 一些预测或预警方法并