基于XGBOOST算法的某铁路局旅客发送量预测分析

摘要

铁路市场化是不可避免的趋势。铁路各个部门和各个路局都想开展收益管理，以此提高资源利用率，提高运营效益。想要实现收益管理，前提是对客流进行较为精准的预测。效果较好的客流预测将会给收益管理带来极大的方便，进而提高收益。中短期的客流预测是了解客流动态变化趋势的重要手段，是铁路运营部门进行合理营运管理的基础。伴随着互联网售票的逐渐建立和完善，铁路客票系统的数据得到了质与量的保障，积累了丰富的历史数据和有用信息，而借助这些现有的资源和数据进行分析与挖掘，并优化客流预测精度成为了铁路运营部门以及信息技术部门的关注重点。　　本文主要研究基于XGboost的铁路旅客发送量中短期预测问题，旨在充分利用历史数据中的有用信息，预测近期内的客流的走势和规模。本文首先阐述了客流预测领域的常用方法、基本原理、方法的优缺点、以及神经网络理论的原理、XGboost算法的原理以及应用方法，阐明了各个方法的优缺点以及采用神经网络和XGboost算法的原因。接着分析了客流内部的周期规律、观察日期前预售累积数据的价值，找出了影响客流的相关因素。在此基础上，进行数据清洗、特征处理，以及介绍了采用的理论和方法。之后利用处理好的数据，分别基于神经网络和XGboost理论设计模型，并进行预测。　　论文的最后选择了基于国内某铁路局铁路旅客发送量的真实数据进行模型效果验证，并将神经网络模型和XGboost模型的测试效果进行了对比。

目录

声明

第1章 绪论

1.1研究背景和意义

1.2国内外研究现状

1.3.1技术路线

1.3.2研究方法

1.3.3研究内容

第2章 客流预测的模型和方法

2.1客流预测方法概述

2.1.1定性与定量预测方法

2.1.2客流预测方法的选择

2.1.3客流预测方法的确定

2.2神经网络理论研究

2.3.1集成学习理论概述

2.3.2XGboost方法选择依据

第3章 某铁路局客流特征分析

3.1客流分布总体情况

3.2客流特性分析

3.2.1周规律分析

3.2.2年规律分析

3.3客流部分相关因素分析

3.3.1预售数据分析

3.3.2节假日数据分析

3.4本章小结

第4章 客流预测模型设计

4.1数据预处理

4.2XGboost模型设计

4.2.1XGboost原理

4.2.2XGboost特性

4.2.3XGboost结构设定

4.3BP神经网络模型设计

4.3.1模型输入数据预处理

4.3.2模型结构与参数设定

4.4本章小结

第5章 客流预测实例研究

5.1数据准备

5.2XGboost客流预测

5.2.1模型参数确定

5.2.2预测结果分析

5.3BP神经网络时间序列预测

5.3.1网络参数确定

5.3.2预测结果分析

5.4BP神经网络客流回归预测

5.4.1网络参数确定

5.4.2预测结果分析

5.5模型效果对比

5.5.1不同模型效果对比分析

5.5.2XGboost模型预测结果解释

结论与展望

1.研究结论

2.存在的不足与展望

致谢

参考文献

附录1BP神经网络python代码

附录2XGboost模型python代码

附录3ARIMA模型R代码