基于灰色预测模型对我国铁路货运量预测.docVIP

基于灰色预测模型对我国铁路货运量预测 　　摘 要：随着公路和民航运输所占的份额快速上涨，我国铁路运输所占比重有所下降。为使铁路货运在今后的发展中能够集中力量、统筹规划相关业务，提高服务质量，促进运输业的发展，对我国未来几年的铁路货运量进行预测，同时研究了其变化规律。文章主要利用灰色预测模型对我国的铁路货运量进行了预测，并给出了一些相关的建议。经过研究，灰色模型在铁路货运量的预测中精度较高，可以用于未来时间内的预测和预报。 　　关键词：铁路货运量；灰色预测模型；预测 　　中图分类号：F530 文献标识码：A 　　Abstract： Along with the rapid rise in the share of road and civil aviation transport， Chinas railway transport has some decline. In order to help the railway freight concentrate energy， plan related business overall， improve service quality， and promote the development of the transport industry in the future， making a prediction about our countrys railway freight volume in the next few years and study the change rules are very necessary. In this paper. We use the gray prediction model to forecast the railway freight volume in our country， and give some relevant suggestions. After the research， we find that the grey model has a high accuracy in the railway freight volumes predict and forecast and can be used in the future. 　　Key words： railway freight volume； grey forecasting model； prediction 　　目前对于铁路货运量有不少的研究，但是所采用的方法仍有一些不足。比如童明荣[5]等人所采用的Holt-Winter预测模型（传统时间预测模型）是以有季节变动、线性趋势和随机波动的时间序列并结合指数平滑法进行研究分析的，不仅需要的数据资源多，而且还需做大量的计算工作；任德亮[6]等人在这个问题上利用的是季节性预测模型，这一模型是根据三角函数的周期性特点以及线性趋势变动，从而建立不同精度和期限的季节性预测模型，实际操作的工作量大，而且由于是按月来预测的，因此存在一定的误差；刘志杰[7]等人运用的径向神经网络模型，除了需要大量的数据还需要对网络进行学习和仿真，对计算机的操作具有一定的要求。由此可见，大多数预测方法是需要很多数据资料的，对数据统计准确性与完整性都有着很高的要求，而且实施起来都有一定的难度。实际中，由于贸易容易受到诸如随机性的政治因素、供给与需求因素等各种不确定因素的影响，且直接影响到货运量的大小。因此，要对我国未来几年的货运量趋势给出准确的定量判断是非常困难的。但可以分析其内部关系和运用一定的数学模型及有关运算方法，对它作出一些必要的预测。 　　综合各方面因素，本文选取了灰色预测模型。因为铁路货运所受到的影响因素众多，而要对全国的铁路货运数量进行完整、准确的收集与统计是很难做到的，这点正好吻合灰色预测方法的对象是以“部分信息为已知，部分信息为未知”的不确定系统，它通过对系统当前已有数据信息进行整理与综合分析，从而给出研究对象的预测信息。灰色预测模型以其不需要大量有规律性分布的样本数据，计算工作量相对较小，精确度高，可以用于近期、短期和中长期预测以及定性分析与定量分析结果一致等优点，被广泛应用于各个领域的预测中。 　　1 灰色模型 　　2 利用灰色预测模型来对我国铁路货运量进行预测 　　由于全国的铁路货运量数据庞大，就目前的人力、物力水平对其进行详细、精确地统计还未能进行，因此目前能够获取的相关数据资料是非常有限的。本文选用了从《中国物流发展报告》中得到的我国2006～2014年铁路货运量为数据来源（如表1所示）[1]。 　　3 铁路货运中存在的不足与相关对策建议 　　对铁路货运量做出准确预测只是解决当前铁路