铁路货运量预测的改进BP神经网络方法.pdf

第6卷第6期交通运输系统工程与信息Vo1．6No．6
2006年12月JournalofTransportationSystemsEngineeringandInformationTechnologyDecember2oo6

文章编号：1009—6744(2OO6)06-0158-05

铁路货运量预测的改进BP神经网络方法

白晓勇，郎茂祥
(北京交通大学交通运输学院，北京100044)

摘要：铁路货运量与其影响因素之间存在着复杂的非线性关系，传统的BP神经网络
模型能对非线性系统进行很好的拟合，但模型的预测能力不强．通过单位根检验，可知
铁路货运量及其影响因素的时序列数据是非平稳的．本文通过分析BP神经网络的传
递函数对非平稳时间序列预测的不利影响，提出用差分法对输入数据进行预处理，在此
基础上建立了铁路货运量预测的改进BP神经网络模型，并通过实例计算说明了这种
改进BP神经网络方法对提高铁路货运量预测精度的有效性，最后利用该模型对
2oo6—2O1O年的铁路货运量进行了预测．
关键词：BP神经网络；铁路货运量；单位根检验；预测
中图分类号：U294

AnImprovedBPNeuralNetworkintheRailway
FreightVolumeForecast

BAIXiao—yong，LANGMao—xiang
(SchoolofTrafficandTransportation，BeijingJiaotongUniversity，Beijing100044，China)

Abstract：TherelationbetweenrailwayfreightvolumeanditsinⅡuencefactorsiscomplexandnonlinear．TheBP
NeuralNetworkcansimulatethenonlinearrsystemperfectly。butitsforecastabilityisdeficient．’I1lelmsteadineasof

thetimeseriesofrailwayfreightvolumeanditsinfluencefactorsareprovedbyunitroottest．Wit}ltheanalysisof
tlle~ansferfuncfion，animprovedBPNeuralNetworkmodelisbuiltontllebasisofusingthediferencemethodto
dealwiththeinputdata．Atlast．theefectivenessoftllenewmodelinrailwayfreightvolumeforecastisproved
throughanexperimentalcomputation，andthentherailwayfreightvolumein2006—2010yearsisforecastbythe
mode1．
Keywords：BPneuralnetwork；railwayfreightvolume；unitroottest；forecast

CLCnumber：U294

O引言好的非线性映射能力和很强的自学习、自适应能力
铁路货运量反映国民经济各个部门对铁路运及高度的灵活性，具有高速运算的能力．近年来，
输的需求，是安排铁路建设和运营的重要依据，也神经网络在预测中得到了广泛应用，但在货运量预
是处理铁路内部各部门间协调发展的前提．铁路测中的应用较少．文献[1]、[2]都用BP神经网络
货运量与其影响因素之间存在着复杂的非线性关进行了铁路货运量的预测，建立的神经网络模型都
系．传统的预测方法大都是基于因果关系回归模对系统数据进行了很好的拟合，但模型的预测能力
型和时间序列模型的分析，所建立的模型不能完全(推广能力)都不是很好，这也是用神经网络进行经
反映有关数据的内在结构和复杂特性，不能充分利济系统预测的一个通病．
用信息量．神经网络是一种并行的计算模型，有很通过单位根检验，可知铁路货运量及其影响因

收稿日期：2006．04—07
白晓勇(1981一)，男，河北石家庄人，北京交通大学交通运输学院硕士研究生，主要研究方向为交通运输规划与管
理、现代物流。Email：[e-mail]

第6期铁路货运量预测的改进BP神经网络方法159

素的时间序列是非平稳的．本文通过分析BP神经之间的误差逐步减少到规定精度的过程．
网络的传递函数对非平稳时间序列数据预测精度1．2传统BP神经网络预测能力的限制及其改进
的不利影响，提出用差分法对BP神经网络的输入方法
数据进行预处理，在此基础上建立了铁路货运量的(1)BP神经网络传递函数对非平稳时间序列