基于改进GM(1,1)预测模型的铁路客运量预测.pdfVIP

第４５卷第９期山西建筑Ｖｏｌ．４５Ｎｏ．９

·１３６·２０１９年３月Ｍａｒ．２０１９

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１００９６８２５（２０１９）０９０１３６０３

文章编号：

基于改进ＧＭ（１，１）预测模型的铁路客运量预测★

１１２１３１

陈会如逯兆友刘孝辉李洪涛侯玉宁李浩雅

（１．东北林业大学交通学院，黑龙江哈尔滨１５００４０；

２．东北林业大学信息与计算机工程学院，黑龙江哈尔滨１５００４０；３．东北林业大学机电工程学院，黑龙江哈尔滨１５００４０）

摘要：采用遗传算法对ＧＭ（１，１）预测模型进行优化以期提高铁路客运量预测模型精度。首先运用传统最小二乘算法对ＧＭ（１，

１）预测模型的发展系数和内生灰作用量进行求解并对高铁客运量进行预测，结果预测平均误差为０．２５９；之后采用遗传算法对

ＧＭ（１，１）预测模型的发展系数和内生灰作用量进行优化，使模型的预测准确性得到了明显的提升，且当交叉默认概率Ｐ＝０．８，

ｃ

变异概率为Ｐ＝０．０１，所得预测结果最优，平均误差率为０．０７３。结果表明：利用遗传算法对ＧＭ（１，１）预测模型进行优化能够提

ｍ

高铁路客运量预测模型精度。

关键词：铁路客运量，ＧＭ（１，１）预测模型，最小二乘算法，遗传算法

中图分类号：Ｕ２１２文献标识码：Ａ

１概述要进行灰色量白化的过程，使看似杂乱的数据序列表现出一定的

规律性，从而建立模型得出预测结果。白化过程如下：

客运量的预测服务于旅客运输中车辆调度及线路规划。准

Ｘ（０）＝（ｘ（０）（１），ｘ（０）（２），…，ｘ（０）（ｎ））（１）

确的预测有利于轨道交通营运路线及车辆数目的规划，为国家对

式（１）为原始的随时间变化的数据序列，通过对原始数据的

市场出租车保有量的宏观调控提供数据依据。使居民出行更加

直观观察可以看出客运量的总体变化趋势是递增的，但是规律性

方便、舒适，减少因车辆配置不合理而出现的各种运输不合理现

不强，因此在进行灰色预测前要对数据序列进行灰生成。

象，造成物质、时间资源的浪费。在长途运输方面，除了对车辆数

（１）（１）（１）（１）

Ｘ＝（ｘ（１），ｘ（２），…，ｘ（ｎ））（２）

目和线路的规划外，准确的客运量预测对运输结构的规划管理起

ｉ

到了数据支撑的作用，运输经营者可以通过预测客运量对运输结其中，（１）（１）