基于PCA-IPSO-GNN模型的铁路月度客运量预测模型研究

摘要：

铁路月度客运量预测是铁路客运组织的基础,是铁路路网规划和运营管理的前提条件.本文提出了基于PCA-IPSO-GNN模型的铁路月度客运量预测模型,利用主成分分析(PCA)对铁路月度客运量影响因素进行综合分析,将分析结果作为灰色神经网络(GNN)的输入,同时采用改进的粒子群优化算法(IPSO)优化GNN的白化参数,进而得到更为准确的铁路月度客运量预测值.经过实例验证和比较,PCA-IPSO-GNN预测模型具有较高的精度,可以满足铁路月度客运量的预测需求.

关键词：主成分分析、粒子群优化算法、灰色神经网络、铁路客运量预测

分类号：U293.1+3(铁路运输管理工程)

在线出版日期：2018-12-07（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：122-127