[发明专利]一种高精度的货运预测方法和货运预测系统

权利要求书

1.一种高精度的货运预测方法，其特征在于，包括：

获取铁路货运量历史数据，建立针对月度运输需求的目标函数，并将该铁路货运量历史数据划分为训练样本集和测试样本集；

基于该训练样本集和测试样本集，建立并训练月度货运需求预测模型；

基于该月度运输需求预测模型，建立并求解年度货运需求预测模型，获得铁路货运量预测结果。

2.根据权利要求1所述的货运预测方法，其特征在于，所述针对月度运输需求的目标函数为x_n＝f(x_n-1,x_n-2,x_n-N) (1)；

所述的基于该训练样本集和测试样本集，建立并训练月度货运需求预测模型包括：

基于所述训练样本集，多次抽取样本，建立并求解训练矩阵 (2)；式中，每列为一次抽取样本，最后一行为期望输出，x_N为目标函数值。

3.根据权利要求1所述的货运预测方法，其特征在于，所述的基于该月度运输需求预测模型，建立并求解年度货运需求预测模型，获得铁路货运量预测结果包括：

建立年度货运需求预测函数y_t+k＝(a(t)+b(t)k)c_t+k (3)；式中，a(t)表示截距，b(t)表示趋势，c(t)为乘法模型的季节因子，分别通过式b(t)＝β[a(t)-a(t-1)]+(1-β)b(t-1) (5)和获得，α、β、γ在0-1之间，为阻尼因子；

建立并求解式获得铁路货运量预测结果。

4.一种高精度的货运预测系统，其特征在于，包括：

数据导入子模块，用于获取并处理铁路货运量历史数据；

数据管理子模块，用于各类数据的存储、汇总和修改；

预测模型管理子模块，用于执行如权利要求1至3任一所述的货运预测方法，获得铁路货运量预测结果；还用于根据不同的模型参数获得相对应的训练数据集，并输入到月度运输需求预测模型和/或年度货运需求预测模型获得预测结果；

需求预测子模块，用于根据预测结果进行需求预测；

可视化展示子模块，用于对所述需求预测进行可视化输出。

5.根据权利要求4所述的货运预测系统，其特征在于，所述数据导入子模块获取并处理铁路货运量历史数据的过程包括：

获取一种或多种货物货运量的基础数据；

对该一种或多种货物货运量的基础数据进行采集抽取、转换、加工、清洗和存储；

所述需求预测子模块根据预测结果进行需求预测的过程包括：

根据货物类型进行月度和/或年度的需求预测，并形成报告；该报告的形式包括报表、图表和地图。

6.根据权利要求4所述的货运预测系统，其特征在于，所述需求预测子模块进行的预测包括：年度、月度铁路货运需求的发展趋势预测；大宗货物发送量发展趋势预测；城市铁路货运发送量预测；典型通道主要OD间竞争性货物品类的运输需求预测。

7.根据权利要求4所述的货运预测系统，其特征在于，所述可视化展示子模块的可视化输入类型包括历史数据展示大宗货物发送量分析展示、铁路货运需求的灰色关联度分析展示、城市铁路货运发送量预测结果展示和典型通道主要OD间竞争性货物品类的运输需求预测结果展示。