基于HHT的城際趟車客運(yùn)量組合預(yù)測(cè)方法研究.pdf

1、客運(yùn)量預(yù)測(cè)是鐵路運(yùn)輸部門科學(xué)制定旅客運(yùn)輸計(jì)劃、合理設(shè)計(jì)客運(yùn)產(chǎn)品和營銷策略的主要依據(jù)。在預(yù)測(cè)應(yīng)用開展時(shí)如果能夠把不同的單項(xiàng)預(yù)測(cè)方法進(jìn)行適當(dāng)?shù)慕M合，就可以使組合預(yù)測(cè)整體的預(yù)測(cè)結(jié)果更為準(zhǔn)確。本文將希爾伯特-黃變換（Hilbert-HuangTransform，HHT）與組合預(yù)測(cè)方法相結(jié)合，提出了一種城際趟車客運(yùn)量預(yù)測(cè)新方法—基于HHT的組合預(yù)測(cè)方法。通過對(duì)這種方法的研究，實(shí)現(xiàn)趟車客運(yùn)量的有效預(yù)測(cè)，解決單項(xiàng)預(yù)測(cè)方法不夠穩(wěn)定的問題，同時(shí)提高預(yù)測(cè)結(jié)

2、果的精度。這種方法不僅能為鐵路預(yù)測(cè)應(yīng)用提供趟車客運(yùn)量預(yù)測(cè)算法，也能為票額智能預(yù)分、列車開行方案設(shè)計(jì)、列車收益管理等客運(yùn)業(yè)務(wù)提供科學(xué)決策的基礎(chǔ)。本文的主要研究內(nèi)容包括：
　　(1)在單項(xiàng)預(yù)測(cè)方法研究中，本文通過引入模糊隸屬度對(duì)支持向量回歸機(jī)方法進(jìn)行改進(jìn)，同時(shí)利用人工魚群算法對(duì)模糊支持向量回歸機(jī)的參數(shù)尋優(yōu)，拓展了原有預(yù)測(cè)方法的應(yīng)用范圍，將算法與HHT相結(jié)合建立模型，并通過數(shù)值實(shí)驗(yàn)證明了該算法能夠有效提高預(yù)測(cè)結(jié)果的準(zhǔn)確度。
　　(

3、2)本文建立了基于HHT的時(shí)間序列模型以及基于HHT的BP神經(jīng)網(wǎng)絡(luò)模型，同時(shí)利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化，通過科學(xué)選取參數(shù)，達(dá)到優(yōu)化預(yù)測(cè)模型的目的。用這兩種模型進(jìn)行數(shù)值實(shí)驗(yàn)，通過與未進(jìn)行HHT處理的算法進(jìn)行比較，可以證明這兩種模型能夠有效對(duì)城際趟車客運(yùn)量進(jìn)行預(yù)測(cè)，并提高預(yù)測(cè)精度與相關(guān)度。
　　(3)本文通過經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD）的方法，對(duì)城際趟車客運(yùn)量數(shù)據(jù)進(jìn)行頻

4、度分解，獲得分量的數(shù)據(jù)，通過分組預(yù)測(cè)的方法排除無關(guān)影響因素的干擾，使預(yù)測(cè)結(jié)果的精度進(jìn)一步提高。通過實(shí)驗(yàn)證實(shí)了經(jīng)過HHT處理后的數(shù)據(jù)可以有效提升預(yù)測(cè)精度，同時(shí)使數(shù)據(jù)從長相關(guān)性變?yōu)槎滔嚓P(guān)性數(shù)據(jù)，有效提升了預(yù)測(cè)結(jié)果與歷史客運(yùn)量的相關(guān)性。
　　(4)在建立單項(xiàng)預(yù)測(cè)模型的基礎(chǔ)上，建立基于HHT的組合預(yù)測(cè)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(yù)測(cè)原理，確定參與組合的單項(xiàng)模型權(quán)重，并用這種組合預(yù)測(cè)模型對(duì)城際趟車客運(yùn)量數(shù)據(jù)進(jìn)行預(yù)測(cè)，