基于GRA与SVM-mixed的货运量预测方法

摘要：

铁路货运量与其影响因素之间关系复杂,单一核函数支持向量机(SVM)难以进行准确描述,而且各因素对铁路货运量的影响程度具有差异性,若忽略这种差异性,将难以获得理想的铁路货运量预测结果.为此,本文提出一种基于灰色关联分析(GRA)与混合核函数支持向量机(SVM-mixed)的铁路货运量预测方法.该方法采用灰色关联分析确定各影响因素的权重,再将赋予权重的影响因素作为输入变量,构建多项式核函数与径向基核函数线性组合的SVM-mixed预测模型.针对SVM-mixed参数难以确定问题,采用果蝇优化算法(FOA)选择SVM-mixed最优参数.基于中国铁路货运量的实例分析表明,该方法可有效提高铁路货运量的预测精度,为准确预测铁路货运量提供了一种新途径.

关键词：铁路运输、货运量、预测、灰色关联分析、混合核函数支持向量机

所属期刊栏目：16

分类号：U268.6(机车工程)

资助基金：国家自然科学基金青年项目/National Natural Science Foundation for Young Scholars of China61503261;河北省交通运输厅2015年科技计划项目/2015 Science and Technology Project of Department of Transportation in Hebei ProvinceY-2010024;河北省软科学研究计划项目/Soft Science Research Program of Hebei Province15456106D;河北省高等学校青年拔尖人才计划项目/Young Talents Program of Higher School of Hebei ProvinceBJ2014097;河北省社会科学发展重点课题/Key Project of Social Science Development of Hebei Province2015020206;河北省软科学研究基地项目/Project of Soft Science Research Base in Hebei Province12457206D-14;国家留学基金委CSC资助公派留学地方合作项目/Local Cooperation Project Funded by China Scholarship Council CSC201608130165

在线出版日期：2017-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：94-99