[最新4-28]基于数据挖掘的铁路运输需求预测方法VIP免费

基于数据挖掘的铁路运输预测方法研究李彦(中铁第四勘察设计院集团有限公司线路站场研究处，湖北 武汉 430063)摘要：随着铁路部门信息化建设逐步进行，数据的大量积累使得采用数据挖掘方法对铁路运输需求进行预测成为可能。然而，因为缺乏系统而完整的知识发现方法，数据挖掘方法在铁路决策系统中很少应用。有鉴于此，本文通过系统分析、数据预处理、数据挖掘、知识提取四个阶段，提出了预测铁路运输需求的数据挖掘模型，该模型阐述了如何在铁路运输数据库中进行知识发现的标准化过程。最后案例研究结果表明，本文所提出方法能对铁路运输需求进行准确有效的预测。关键词：铁路需求预测；数据挖掘；知识发现高效的管理离不开周密而详尽的计划，各行各业的国营或私营企业，为了做到有效管理，必需对企业未来运营坏境及其相关因素做出预测。对于铁路管理者而言，预测铁路运输需求的增长状况，发掘出影响某些起讫点之间需求和供给能力的主要因素，是做出正确决策的首要基础，从而搭建必要的设备和人力平台以满足将来的运输情况。同时，无论是铁路管理部门的宏观战略抉择还是站段间的局部业务决策，都需要对铁路站场之间的货物流量关系进行预测，流量关系是铁路业务存在的基础。因此，研究系统性的模型和局部性的程序来定性、定量分析上述流量关系，能为铁路部门提供有效的决策支持。本文尝试建立基于数据挖掘的铁路需求预测标准化方法，从而能够辅助铁路资源的分配和设计。该预测方法能为铁路管理者提供大量短期决策，同时也能为编组、运输和站场容量等长远投资决策提供重要辅助。1 铁路需求预测铁路运输容量大且高效节能，主要适于中长期、远距离运输。相较于公路运输，发生意外、抢劫、盗窃的概率较低，其安全性更高。因此，在世界各地，铁路是一种重要的客运、货运手段。而规划和调控铁路运输活动，需要对铁路运输需求做出准确的预测，现有预测方法已有 300 多种，归纳起来主要为定性预测和定量预测两种[1]。其中，定性预测技术，也称为“主观”或“基于标准判断”的技术，主要是通过人力来归纳和推理的方法。定量预测技术，是指通过数学方法对历史数据进行计算、分析，找出铁路需求的变化规律和特征，从而对未来数据作出合理的判断。常见的铁路需求定量预测方法主要有：指数平滑法、回归分析法、弹性系数法、灰色系统法、模糊逻辑、人造神经网络（ANN）等[2-5]。使用定量预测方法必须满足以下条件：（1）有真实可靠的历史信息；（2）信息可以被...