基于灰色关联分析的支持向量机的铁路货运量预测研究

被引:9
作者
张蕾
孙德山
张文政
王玥
机构
[1] 辽宁师范大学数学学院
关键词
铁路货运量预测; 灰色关联分析; 支持向量机;
D O I
10.16339/j.cnki.hdjjsx.2018.02.009
中图分类号
U294.13 [];
学科分类号
摘要
采用基于灰色关联分析的支持向量机对铁路货运量进行预测.首先利用灰色关联分析法对影响铁路货运量的因素进行分析处理,然后利用基于高斯核函数的支持向量回归机建立了铁路货运量预测模型.通过分析预测结果可以发现,经过灰色关联分析后的支持向量机模型对复杂的铁路货运量数据有较好地处理能力,且预测相对误差较小.特别地,由于支持向量机的适应性,该模型具有较高的泛化能力,对影响因素较为复杂,样本数量小的预测问题可以提供一定参考.
引用
收藏
页码:58 / 61
页数:4
相关论文
共 11 条
[1]   RBF神经网络在铁路货运量预测中的应用 [J].
宋苏民 ;
旷文珍 ;
许丽 ;
常峰 .
铁路计算机应用, 2017, 26 (01) :47-51
[2]   基于SARIMA模型的我国铁路货运量预测分析 [J].
刘梦婷 ;
喻建龙 .
贵州师范学院学报, 2015, 31 (12) :43-47
[3]   基于灰色关联度的铁路货运量关键影响因子选取方法研究 [J].
李瑞 ;
代明睿 ;
李凤姿 .
铁道货运, 2015, 33 (11) :11-14+5
[4]   基于模糊时间序列的港口铁路货运量预测 [J].
杨新 .
科技创新与应用, 2015, (30) :5-6
[5]   基于聚类-随机期望值的铁路货运量预测研究 [J].
迟骋 ;
袁志明 ;
周茵 .
公路交通科技(应用技术版), 2015, 11 (04) :250-252
[6]   组合预测模型在铁路货运量预测中的应用 [J].
王宁 ;
徐志禹 .
交通科技与经济, 2013, 15 (05) :78-81
[7]   基于灰色自适应粒子群LSSVM的铁路货运量预测 [J].
耿立艳 ;
梁毅刚 .
西南交通大学学报, 2012, 47 (01) :144-150
[8]   基于广义回归神经网络的铁路货运量预测 [J].
温爱华 ;
李松 .
铁道运输与经济, 2011, (02) :88-91
[9]   基于遗传算法-支持向量机的铁路货运量预测 [J].
王治 .
计算机仿真, 2010, 27 (12) :320-322+348
[10]   关于铁路货运量预测研究 [J].
黄勇 ;
徐景昊 .
铁道运输与经济, 2010, 32 (04) :86-89