论文部分内容阅读
随着中国经济的飞速发展,我国的铁路事业取得了空前进步。目前,中国铁路面临的主要问题是如何使铁路运输能力满足国民经济和社会发展的需求。为解决这一问题,在建设前期就必须对规划年的铁路客流量进行准确的预测,为铁路建设规模提供合理的依据,预测的准确性在很大程度上依靠的是预测方法的选择。因此对铁路未来客流量信息的准确预测成为了提升铁路运输能力的关键。首先,本文基于中国铁路最近几年数据信息及当前的发展情况,阐明了铁路短期客流量预测的重要性与其对铁路发展的意义。接着又分为铁路客流量传统预测方法和铁路客流量预测新方法来对当前的主要预测方法做出介绍并且分析了它们各自的特点与最新研究进展。最后发现当前大部分客流量预测方法都存在一定局限性。因此,本文最后提出了一些更为科学且简单的组合模型来对客流量进行预测。通过对铁路客流量特点分析与研究,明确了铁路周客流数据预测工作的价值与意义,发现了铁路周客运量时间序列是一个具有周期性、季节性的非平稳时间序列。本文接下来分析了EMD模型、ARIMA模型、SVR模型的优缺点。利用组合模型的思想进而提出了三个EEMD相关的组合模型——基于EEMD分解的ARIMA模型,基于EEMD分解的SVR模型与基于EEMD分解的ARIMA-SVR模型,分别阐述了相应的建模步骤与其特点分析。在具体实验中,论文将某车次青岛到北京火车2013到2015年的周客流量数据作为研究对象,运用EEMD-ARIMA、EEMD-SVR、EEMD-ARIMA-SVR分别建立短期客流预测模型来进行客运量预测,并取得了较好的效果。得出结论:在铁路周客流数据预测方面,组合模型比单一模型都具有更高的预测精准度;其次EEMD方法针对于时间序列的分解取得了良好的效果;组合模型EEMD-ARIMA-SVR对于客流预测模型具有较好的适应性与指导意义。本文最后总结了研究成果,并提出了有待进一步改善的地方与深入研究的方向。