铁路客运量短期预测方法的研究的中期报告.docxVIP

铁路客运量短期预测方法的研究的中期报告

针对铁路客运量短期预测问题，我们进行了中期研究，具体内容如下：

一、文献综述

通过查阅国内外相关文献，总结出了以下几种铁路客运量短期预测方法：

1.基于统计模型的方法

该方法主要利用历史数据进行建模和预测，常用的统计模型包括ARIMA、ETS、VAR等。但是，由于铁路客运量的受多种因素影响，使用这些模型可能会存在误差较大的情况。

2.基于机器学习的方法

该方法主要利用机器学习算法进行建模和预测，常用的算法包括SVM、RF、BP神经网络等。相比于基于统计模型的方法，基于机器学习的方法更加灵活，在考虑多种因素的情况下具有更好的预测效果。

3.基于混合模型的方法

该方法结合了统计模型和机器学习的方法，既考虑了历史数据的趋势和季节性，又能够对复杂的影响因素进行建模和预测。但是，该方法对数据的质量要求较高，对参数的调节也较为困难。

二、数据准备

我们选择了中国铁路的2019年1月至2020年12月的客运数据，共计24组月度数据。同时，为了考虑到天气、节假日等因素对客运量的影响，我们还收集了同期的天气数据和节假日数据。

三、模型建立

我们选择了基于机器学习的方法，利用Python编程语言中的sklearn库建立模型。具体步骤如下：

1.对数据进行处理，包括数据清洗、数据变换等。

2.将数据分为训练集和测试集，其中训练集为前20组数据，测试集为