基于神经网络的铁路货运量预测.pdf

文章编号：1004-2024(2009)04-0016-04中图分类号：U294．13文献标识码：B

基于神经网络的
铁路货运量预测

●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●

●刘佳，到洪梅，枨伟
(北京铁路局天津车务段，天津300142)

象，组织各方专家运用专业知识和经验，通过对过去和
摘要：阐述构建铁路车务系统运输指标预
现在发生的问题进行综合分析，从中找出规律，对未来
测体系的重要性，并以某车务段发送量的数
做出判断。这种方法在很大程度上取决于经验和专家
据为例建立了基于BP网络的预测模型，提出
的努力，简单易行，花费时间少，但存在片面性、准确
了可利用十八点统计2．0系统数据库和神经
度不太高的缺点，只能作为铁路运输指标预测的一种
网络的结合，建立铁路运输指标预测体系的
辅助方法。
建议。
(2)定量预测方法。该方法是用定量分析来研究
关键词：运输指标；神经网络；预测
运量的发展趋势，它以历史统计资料和有关信息为依
据，运用各种数学方法来预测未来指标。常用的方法
铁路车务系统主要运输指标有旅客发送量、货物有移动平均法、加权移动平均法、指数平滑法、回归分
发送量、货物到达量、装车数、卸空车数、保有量、运析法等。这些都是根据预测对象的变化规律，或客观
输收入、停时、中时等。这些都是铁道部、铁路局考核经济现象中复杂因果关系的分析，建立精确的数学模
车务段、直属站的重要运输指标；是反映国民经济各型。但现实生活中存在着大量的不确定因素，客观现
部门对铁路运输的需求和指导铁路建设的重要依据；也象之间的相互作用和相互影响的结果很难确定，这就
是处理好铁路内部各部门协调发展的前提。对现有的定量预测技术提出了挑战。
运输指标的预测是帮助管理者预测和掌握运输需I．2神经网络预测方法
求变化、制定有关政策、编制运输发展规划、正确制定在预测的实际应用过程中，发现上述常见的预测
运输计划和方案、合理安排铁路运输生产、最大限度发方法都有一定的缺陷，其首要表现是随着预测区间的
挥铁路运输能力的科学依据。它对提高运输企业的竞推移，误差迅速增大，应用的模型往往是非时变的，以
争能力、保证铁路运输企业长期稳定的发展具有重要不变应万变，其预测误差只能越来越大。神经网络技
意义。术的出现和应用，为解决上述问题提供了可能。
人工神经网络由大量简单的称之为神经元的处理
1预测指标方法介绍单元，以某种拓扑结构广泛地相互连接而构成复杂非
线性动力学系统。它能够模拟人脑神经的功能来研究
1．1常见预测指标的方法问题，具有自组织性和自学习性，能够不断地适应外界
(1)定性预测方法。主要以专家为索取信息的对环境的变化。当用常规的方法无法解决问题或者是效
囝基于神经网络的铁路货运量预测刘佳等
果不佳时，尤其是对问题的机理等规律不了解、或不能(4)BP网络的计算易于实现，一般的专业人员非
用传统数学模型表示时，用神经网络技术就可能得到常容易理解和接受，因此，它易于推广、具有广阔的工
比较好的结果。程应用前景。
目前人工神经网络常见的三类模型是：前向神经网
络、反馈神经网络和自组织神经网络。BP神经网络是2应用神经网络建立动态预测模型
前向神经网络之一。网络按有教师示教的方式进行学
习，当一对学习模式提供给网络后，神经元的激活值，以从现行十八点2．0数据库提取的某车务段每月
从输入层经各中间层向输出层传播，在输出层的各神货物发送量原始数据为依据，试建立发送量神经网络
经元获得网络的输入响应。在这之后，按减小希望输预测模型，从而依此类推出其他运输指标模型，构建车
出与实际输出误差的方向，从输出层经各中间层逐层务段运输指标体系。
修正各连接权，最后回到输入层，故得名“误差逆传播2．1数据的采集
算法”。随着这种误差逆传播修正的不断进行，网络对采用各个时期连续的十八点统计速报为预测量指
输入模式响应的正确率也不断上升。在神经网络技术标，建立BP神经网络模型分析预测数据。数据本身的
中，BP网络是应用最广泛的网络模型之一。目前大约质和量对数据分析的结果影响很大，从统计观点看处
80％神经网络的课题都采用此网络学习算法，而且在理数据量应尽量大。从十八点统计速报的数据库中提
建立神经网络模型来解决实际问题时，由于网络结构取这些统计指标可以满足以上的要求。将该车务段每
简单、数学意义明确、步骤分明、使用方便明了、可解月货物发送量的十八点速报原始数据进行0—1化处
决大多数神经网络所面临的问题，误差逆传播网络总理，以满足网络要求，计算结果见表1。
是首选。其突出的优点就是误差逆传播网络及其算法2．2输入样本时间序列确定
增加了中间隐层，并有相应学习规则可循，具有很强的输入向量X=(，X，⋯，)的各个分量为m月
非线性映射能力。内