基于SSA-GM-GPR的铁路客运量预测研究

摘要：

铁路客运量预测主要存在客运量数据易受噪声污染、数据呈现非线性和非平稳的特征关系两方面问题.为解决此问题,文中提出一种基于奇异谱分析(SSA)的集成预测方法.首先,对原始数列进行奇异谱分析,剔除噪声数据后重构包含主要特征信息的趋势序列;其次,对趋势序列分别采用灰色预测模型(GM)和高斯过程回归模型(GPR)进行预测,再采用优势矩阵法对各预测结果进行集成,得出最终预测值;最后,以我国铁路客运量年度数据为实证,选择均方误差(MSE)和平均绝对百分比误差(MAPE)作为评价标准,与原始序列模型和单一模型的预测结果进行对比.结果表明,与其他模型相比,基于SSA-GM-GPR的铁路客运量预测模型预测精度较高.采用所提出的模型预测2020—2022年客运量,可为铁路管理组织制定工作计划提供理论支撑.

关键词：铁路客运量预测、降噪、奇异谱分析、灰色预测、高斯过程回归、优势矩阵集成、特征提取

所属期刊栏目：45

分类号：TN919-34;F124.3

资助基金：国家自然科学基金;教育部人文社会科学研究项目;跨境电商生态系统驱动制造业转型升级的路径研究

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：159-163