论文部分内容阅读
货运量,货物周转量的预测是铁路货运结构部署,优化货运组织,提高货运效率的重要参考依据之一。本文基于对各预测方法的研究,提出了基于粒子群算法(PSO)的支持向量回归机(SVR)铁路货运量,货物周转量的预测算法。在铁路货运量,货物周转量的历史数据中选取条件属性和决策属性。嵌入粒子群算法(PSO),对核函数参数和惩罚因子进行寻优。求解支持向量回归机(SVR)对货运量和货物周转量预测,并与移动平均法,指数平滑法,自回归移动平均法进行精度比较。结果 表明,PSO-SVR预测提高了预测精度,与实际铁路货运量,周转量的平均绝对百分比误差分别可控制在2％和4％以内,并且该方法可广泛运用到各品类货物的运量预测中去。