基于多因素的铁路货运量BP神经网络预测研究.docVIP

基于多因素的铁路货运量BP神经网络预测研究 基于多因素的铁路货运量BP神经网络预测研究吴晓玲等 文章编号:1004-2024(2009)10-0033-04中图分类号:U294.13文献标识码:B 基于多因素的铁路货运量 BP神经网络预测研究 吴晓玲,符卓 (中南大学交通运输工程学院,湖南长沙410075) 摘要:在对铁路运输影响因素进行定性及定量 分析的基础上,选取了国内生产总值,第二产业 比重,原煤产量,原油产量等10个指标作为影响 因素,运用BP神经网络模型构建它们与铁路货运 量之间的复杂映射,从而对铁路货运量进行预测, 并以近12年铁路货运量为实例进行验证. 关键词:铁路货运量;预测;卯神经网络 0前言 目前,对铁路货运量预测的方法,主要有时间序列 (算术平均,移动平均,加权平均,指数平滑等)预测 法,灰色预测法,ARMA预测模型,马尔可夫预测模型 或者综合两种及其以上方法进行组合预测等.虽然这 些预测方法所用的模型各不相同,但均是从时间序列 中找规律,利用历年的货运总量数据通过各自的模型 预测出未来的货运总量,属于因果分析,趋势预测,即 只能反映变化趋势,而不能反映出影响货运量的内部 因素对货运量的影响,故这些方法存在着一定的局限 性.近年来,虽然已认识到对货运量内部影响因素进 行研究的重要性,但是这方面的具体研究成果仍然较 少,且大部分的研究对各影响因素的分析均只有定性 分析而缺少定量分析.如文献【l】,[2】都首先对影响铁 路货运量的因素进行了定性分析,建立神经网络模型 对运量进行预测,但文献中影响因素均是人为给出,缺 少对各影响因素进行定量分析. 本文将在定性分析影响我国铁路货运量的因素的 基础上,从中选取一些影响因素,然后对这些因素进行 关联度的定量分析,得出各因素与铁路货运量之间的 量化关系,将与铁路货运量有密切关系的影响因素代 入所设计的BP神经网络,实现各因素与铁路货运量的 复杂映射,从而对铁路货运量进行预测.最后以近12 年的数据为实例对预测的准确性进行验证. 1铁路货运量影响因素分析 1.1定性分析 (1)国民经济发展的影响.能够反映一个国家经 济发展的指标,包括国民生产总值(GNP),国内生产 总值(GDP)等.其中国内生产总值为指按市场价格计 算的一个国家(或地区)所有常住单位在一定时期内生 产活动的最终成果.国民生产总值为国内生产总值加 上来自国外的净要素收入.而货运量是在本国范围内 进行计算的,显然,与国内生产总值相比更能说明问 题.因此,本文将采取国内生产总值作为国民经济发 展的代表指标. (2)产业结构的变动.产业结构的变动必然会引 起全社会货运总量及各运输方式货运量的变化,对于 铁路货运量,占运量比重大的各工业产品的变动对货 运量的影响尤其巨大.所以采用第二产业(工业)占国 内生产总值的比重作为反映产业结构的指标. ■磷溪贤运■■ 基于多因素的铁路货运量BP神经网络预测研究吴晓玲等 (3)能源,冶金等工业及农业的发展.由于我国能 源资源分布的不均衡,而其他交通方式在运送大宗货 物的局限性,决定了由铁路来承担煤,钢铁等大宗货物 的中长距离运输.历年运量资料显示,煤,金属及非金 属矿石,钢铁,原油等能源资料的运量占了铁路货运量 的60%以上,且比重在不断提高.这些资源产量的变 化将直接影响铁路货运量的变化.除了工业产品外, 粮食等农产品的运输也是铁路货物运输中不可忽略的 一 部分.拟分析原煤,原油,钢铁,粮食等产量对铁路 货运量的影响. (4)各运输方式的发展.近年来,随着经济的发 展,虽然铁路货运量比以前有较大的提高,但是铁路货 运量的增长并不与全社会货运总量的增长呈等比例增 长,公路运输占了全社会货运市场的绝大比重.故公 路运输等其他交通方式的发展对铁路货物运输也有着 直接的关系.而各交通方式占货运市场的份额能够直 观地体现出各交通方式在交通体系中的地位.故本文 将分析各交通方式占货运市场的份额变化对铁路货运 量的影响. (5)对外贸易的发展.随着我国对外贸易的不断 发展,传统单一的运输方式逐步向多式联运发展.越来 越多的大宗货物在远洋运输及铁路运输之间来回变动. 故将港口货物吞吐量对铁路货运量的影响作出分析. (6)国家政策.国家政策一般难以量化,但可以通 过国家对某些行业的投资多少及投资方向来间接体现. 国家对社会基本建设的投资多少不仅能看出国家对某 些基本行业的扶植力度,同时基建所用的建材,矿建等 也是铁路运输的重点. 1.2定量分析 在上述的定性分析中,选取对铁路货运量造成影 响的因素,但是这些影响因素都需要对其进行定量分 析.根据灰色关联度的理论,对各因素进行定量分析. 其灰色关联度计算步骤如下】. (1)步骤一.进行数据无量纲化.由于各数据的 单位,数量级各不相同,采取初值