基于遗传算法和BP神经网络的铁路客运量预测研究

摘要

近年来我国铁路事业迅猛发展，在建的铁路项目很多，陆续还有更多的项目上马。运量预测工作在交通工程建设的前期工作中处于十分重要的地位，准确的客运量预测是进行交通规划和管理的主要依据之一。
　　 预测方法的选择直接影响预测结果的精度，本文旨在把遗传算法和BP网络结合GA-BP方法引入铁路客运量预测领域，并以高精度为目标，研究GA-BP方法的铁路客运量预测。
　　 论文首先分析了客运量预测的重要性，总结了铁路客运量预测的方法，如时间序列的移动平移法、指数平滑预测模型、灰色GM(1，1)模型等、影响因素法的线性回归模型，并分析了各种常用方法的适用范围和优缺点。
　　 其次探讨了铁路客运量的发展趋势及影响因素。根据预测铁路客运量时选择影响因素的准则，确定了本文用于影响因素法预测的八个影响因子。
　　 接着选择遗传算法优化BP网络阀值和权值形成的GA-BP算法作为本文的主要预测手段。分别建立了多影响因子的GA-BP模型、时间序列的GA-BP模型预测。
　　 另外比较多影响因子的GA-BP和BP的预测结果，验证了前者改良了后者的局限性并提高了预测精度；比较多影响因子的GA-BP模型和三次指数平滑模型、一元线性回归模型、灰色GM(1，1)模型的预测结果，验证了多影响因子的GA-BP模型预测的有效性；比较时间序列的GA-BP模型与多影响因子的GA-BP和BP模型的预测结果，显示时间序列的GA-BP模型预测我国铁路客运量不可靠。
　　 最后，对应用GA-BP网络预测铁路客运量的若干要点和局限性做了说明，并对进一步工作的方向进行了简要讨论。

目录

文摘

英文文摘

声明

第1章 绪论

1.1研究背景和意义

1.1.1论文研究的背景

1.1.2论文研究的意义

1.2运量预测国内外研究现状

1.2.1客运量预测常用方法

1.2.2新预测理论与方法在客运量预测中的运用

1.3论文的主要方法

1.4论文主要内容与技术路线

1.4.1论文的主要内容

1.4.2论文的技术路线

第2章 铁路客运量需求及影响因素分析

2.1运输结构与铁路客运的发展趋势

2.1.1运输结构与运输量

2.1.2铁路运输的发展

2.2影响客运量的因素

2.2.1运输结构演变对铁路客运量的影响

2.2.2其他影响铁路客运量的因素

2.3影响因素的选取

2.3.1选取影响因素的准侧

2.3.2影响因素的确定

2.4本章小结

第3章 BP神经网络和遗传算法理论基础

3.1 BP神经网络

3.1.1 BP网络的结构

3.1.2 BP网络的学习过程

3.1.3 BP网络学习公式推导

3.2遗传算法

3.2.1遗传算法的理论基础

3.2.2遗传算法的基本思想

3.2.3遗传算法的步骤

3.2.4遗传算法的实现技术

3.3遗传算法与BP神经网络的结合

3.3.1遗传算法和BP结合的可行性

3.3.2遗传算法和BP结合的方式

3.4本章小结

第4章 多影响因子的GA-BP模型的铁路客运量预测

4.1所需历史数据资料收集与处理

4.1.1所需数据的收集

4.1.2数据预处理

4.2多影响因子的GA-BP模型铁路客运量预测

4.2.1 GA-BP模型设置

4.2.3多影响因子的GA-BP预测模型的实现

4.2.4多影响因子的GA-BP模型与其它预测方法的比较

4.3本章小结

第5章 时间序列的GA-BP模型铁路客运量预测

5.1数据处理

5.2时间序列GA-BP预测模型实现

5.3时间序列的GA-BP模型预测结果分析

5.4本章小结

第6章 总结和展望

6.1总结

6.2展望

致谢

参考文献

附 录

攻读硕士学位期间发表的论文及科研成果