基于模型组合的铁路集装箱运量预测

交通运输系统工程与信息 ›› 2010, Vol. 10 ›› Issue (5): 149-153 .

基于模型组合的铁路集装箱运量预测

朱昌锋^*

兰州交通大学交通运输学院，兰州 730070

收稿日期:2010-03-27 修回日期:2010-06-10 出版日期:2010-10-25 发布日期:2010-10-25
通讯作者: 朱昌锋
作者简介:朱昌锋（1972-），男，甘肃秦安人，副教授，博士生.
基金资助:
教育部“春晖计划”(Z2005-1-62008)；甘肃省自然科学基金（ZS022-A25-036）.

Freight Volume Forecasting of Railway Container Based on Model Combination

ZHU Chang-feng

School of Traffic and Transportation, Lanzhou Jiaotong University, Lanzhou 730070, China

Received:2010-03-27 Revised:2010-06-10 Online:2010-10-25 Published:2010-10-25
Contact: ZHU Chang-feng

摘要/Abstract

摘要： 根据铁路集装箱运量预测受到多因素影响以及非线性的特点，本文采用灰色关联分析法选取了影响集装箱运量的主要因素，提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入，相应的实际集装箱货运量作为输出，建立了神经网络模型结构，并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％，而组合模型的预测误差最大为8.72％，说明文中提出的组合预测模型充分考虑了多指标的共同作用，灰色预测模型提供了较完善的输入数据，神经网络模型考虑了各主要指标的关联关系.

关键词: 铁路运输, 集装箱运输, 运量预测, 神经网络, 灰色关联度

Abstract: With the characteristic of multiple factor and nolinear on freight volume forecasting of railway container, primary influencing factor of container freight volume are selected with gray association analysis in this paper. Freight volume forecasting of railway container model is put forward based on nolinear gray model and neural net model. The results of nolinear gray model are used as inputs and the actual freight volume is used as outputs. Then, a neural network was built and corresponding algorithm is designed. Finally, a case study is carried out to prove the validity, objectivity, and applicability of this model through calculated and analyzed practical data. From the test results, it is shown that maximum error of nolinear gray model is 10.52%, and maximum error of combination forecasting model is 8.72%. The nolinear gray forecasting model provides good input data sequences, and the relationships of indices are involved in the neural network.

Key words: railway transportation, container transportation, freight volume forecasting, neural network, gray degree of association

中图分类号:

U291.1

朱昌锋. 基于模型组合的铁路集装箱运量预测[J]. 交通运输系统工程与信息, 2010, 10(5): 149-153 .

ZHU Chang-feng. Freight Volume Forecasting of Railway Container Based on Model Combination[J]. Journal of Transportation Systems Engineering and Information Technology, 2010, 10(5): 149-153 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18050.shtml

http://www.tseit.org.cn/CN/Y2010/V10/I5/149

参考文献

［1］方丽君，吴中．GM (1,3)模型在交通系统公路客运量预测中的应用［J］．公路交通科技，2006，23(3)：163-166．［FANG L J，WU Z．Application of GM(1, 3) in highway passenger capacity forecast of transportation system［J］．Journal of Highway and Transportation Research and Development，2006，23(3)：163-166．］

［2］范敏，石为人．组合预测模型在地方财政收入预测中的应用［J］．重庆大学学报，2008，31(5)：536-541．［FAN M，SHI W R．Application of a combination forecasting model in local financial revenue forecasting［J］．Journal of Chongqing University，2008，31(5)：536-541．］

［3］秦肖生，曾光明．非线性灰色模型在污染物总量预测中的应用［J］．江苏环境科技，2004，13(4)：575-596．［QIN X S, ZENG G M．Application of non-linear gray models in total pollutant quality forecast［J］．Jiang Su Environmental Science and Technology，2004，13(4)：575-596．］

［4］尚玲玲，汪全，刘广建．基于人工神经网络的短期系统边际电价预测［J］．山东电力技术，2006，8(4)：40-43．［SHANG L L, WANG Q, LIU G J．Short-term system margin price forecasting using artificial neural network［J］．Shandong Electric Power，2006，8(4)：40-43．］

［5］杨涛，李国维，樊琨．基于人工神经网络的公路软基沉降预测模型［J］．上海理工大学学报，2003，25(2)：117-121．［YANG T， LI G W，FAN K．Prediction model of settlement of embankment on soft ground based on artificial neural network［J］．Journal of University of Shanghai for Science and Technology，2003，25(2)：117-121．］

［6］刘沛东，刘平，苏娟华．基于人工神经网络的铜合金时效性能预测建模［J］．材料热处理学报，2003，25(2)：117-121．［LIU P D，LIU P，SU J H，et al．Prediction model for aging properties of copper alloys based on artificial neural network［J］．Transactions of Materials and Heat Treatment，2003，25(2)：117-121．］

［7］张晓东，阳亮．交通能源需求量组合预测模型研究［J］．南京工程学院学报，2008，6(2)：62-66．［ZHANG X D, YANG L．Study on combina tion forecasting model for traffic energy demand［J］．Journal of Nanjing Institute of Technology，2008，6(2)：62-66.］

［8］张飞涟，史峰．铁路客货运量预测的随机灰色系统模型［J］．中南大学学报，2005，36(1)：158-162．［ZHANG F L，SHI F．Stochastic grey system model for forecasting passenger and freight railway volume［J］．Journal of Central South University，2005，36(1)：158-162．］

[1]	耿庆桥, 贾元华, 陈军团. 基于变权可拓物元的铁路“走出去”公私合营项目风险决策[J]. 交通运输系统工程与信息, 2022, 22(2): 64-71.
[2]	戚建国, 周厚盛, 杨立兴, 周亚茹, 张春田. 灵活编组条件下轨道交通客货协同运输方案优化[J]. 交通运输系统工程与信息, 2022, 22(2): 197-205.
[3]	张晓明, 徐芳, 江文辉, 蒋朝哲. 考虑资金约束的中欧班列运价与运量决策分析[J]. 交通运输系统工程与信息, 2022, 22(1): 30-36.
[4]	张春田, 戚建国, 杨立兴, 高原, 高自友. 基于不确定旅客需求的高速铁路鲁棒列车开行方案研究[J]. 交通运输系统工程与信息, 2022, 22(1): 115-123.
[5]	周勇, 张杰, 钟祾充, 李文锋, 王国栋. 铁路集装箱中心站多轨道吊柔性协同调度优化[J]. 交通运输系统工程与信息, 2022, 22(1): 133-141.
[6]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[7]	牛惠民. 轨道列车时刻表问题研究综述[J]. 交通运输系统工程与信息, 2021, 21(5): 114-124.
[8]	杨建喜，郁超顺，李韧，杜利芳，蒋仕新，王笛. 基于多周期组件时空神经网络的路网通行速度预测[J]. 交通运输系统工程与信息, 2021, 21(3): 112-119.
[9]	刘葛辉，陈绍宽，刘爽，金华，王丹阳. 资源约束下城市轨道交通基础设施维修任务安排优化模型[J]. 交通运输系统工程与信息, 2021, 21(3): 163-169.
[10]	徐智勇. 铁路电分相布设及纵断面协同优化研究[J]. 交通运输系统工程与信息, 2021, 21(3): 170-175.
[11]	钟明轩，乐逸祥，周磊山. 高铁站列车和调车作业计划一体化编制方法[J]. 交通运输系统工程与信息, 2021, 21(3): 176-186.
[12]	吕敏，帅斌，周照玉，张士行，左静，李林卿. 考虑边境站延误风险的中欧班列运输路径决策[J]. 交通运输系统工程与信息, 2021, 21(3): 254-259.
[13]	张蒙蒙，许茂增. 考虑政府补贴决策的中欧班列竞合关系研究[J]. 交通运输系统工程与信息, 2021, 21(2): 16-21.
[14]	李岸隽，王典，彭其渊. 基于个体出行链的区域城际铁路规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(2): 30-36.
[15]	陈秀锋，吴阅晨，邴其春，聂蕊蕊. 基于类锚虚拟线圈的多流向车流量检测算法[J]. 交通运输系统工程与信息, 2021, 21(2): 51-57.