基于HHT的城際趟車客運量組合預測方法研究.pdf

1、客運量預測是鐵路運輸部門科學制定旅客運輸計劃、合理設計客運產品和營銷策略的主要依據(jù)。在預測應用開展時如果能夠把不同的單項預測方法進行適當?shù)慕M合，就可以使組合預測整體的預測結果更為準確。本文將希爾伯特-黃變換（Hilbert-HuangTransform，HHT）與組合預測方法相結合，提出了一種城際趟車客運量預測新方法—基于HHT的組合預測方法。通過對這種方法的研究，實現(xiàn)趟車客運量的有效預測，解決單項預測方法不夠穩(wěn)定的問題，同時提高預測結

2、果的精度。這種方法不僅能為鐵路預測應用提供趟車客運量預測算法，也能為票額智能預分、列車開行方案設計、列車收益管理等客運業(yè)務提供科學決策的基礎。本文的主要研究內容包括：
　　(1)在單項預測方法研究中，本文通過引入模糊隸屬度對支持向量回歸機方法進行改進，同時利用人工魚群算法對模糊支持向量回歸機的參數(shù)尋優(yōu)，拓展了原有預測方法的應用范圍，將算法與HHT相結合建立模型，并通過數(shù)值實驗證明了該算法能夠有效提高預測結果的準確度。
　　(

3、2)本文建立了基于HHT的時間序列模型以及基于HHT的BP神經網絡模型，同時利用遺傳算法對BP神經網絡的參數(shù)進行優(yōu)化，通過科學選取參數(shù)，達到優(yōu)化預測模型的目的。用這兩種模型進行數(shù)值實驗，通過與未進行HHT處理的算法進行比較，可以證明這兩種模型能夠有效對城際趟車客運量進行預測，并提高預測精度與相關度。
　　(3)本文通過經驗模態(tài)分解（Empirical Mode Decomposition，EMD）的方法，對城際趟車客運量數(shù)據(jù)進行頻

4、度分解，獲得分量的數(shù)據(jù)，通過分組預測的方法排除無關影響因素的干擾，使預測結果的精度進一步提高。通過實驗證實了經過HHT處理后的數(shù)據(jù)可以有效提升預測精度，同時使數(shù)據(jù)從長相關性變?yōu)槎滔嚓P性數(shù)據(jù)，有效提升了預測結果與歷史客運量的相關性。
　　(4)在建立單項預測模型的基礎上，建立基于HHT的組合預測模型，使輸入信息考慮更加全面。通過線性以及非線性組合預測原理，確定參與組合的單項模型權重，并用這種組合預測模型對城際趟車客運量數(shù)據(jù)進行預測，