[发明专利]一种高精度的货运预测方法和货运预测系统

说明书

本发明提供了一种高精度的货运预测方法及货运预测系统，能够准确及时的获得货运量预测结果，对于铁路部门的决策与未来线路的规划具有最直接的作用，有利于铁路部门充分利用铁路运能资源，合理分配铁路车辆及其他设施设备，减少不必要的时间成本和其他运营成本，从而达到节约成本的作用，提高铁路部门最终的收入。与此同时，可以知道的是，更加重要的一点预测结果的准确性，如果预测结果不准确反而会对货运部门产生相应的损失，所以对传统方法的改进与创新，弥补缺点与不足或者引进新方法也是很重要的一环，因此，加强对铁路货运量预测的研究也是具有现实意义与很强的社会经济价值的。

技术领域

本发明涉及交通预测智能管理技术领域，尤其涉及一种高精度的货运预测方法和货运预测系统。

背景技术

进入新世纪以来，我国的经济快速发展，中国铁路运输能力方面有了质的飞跃。而高速铁路作为现代化的交通运输标志，在中国得到了大力发展，为人们的工作和生活提供了极大的便利，也为我国的经济崛起做出突出的贡献。我国是世界上高铁建设和运营规模最大的国家，也是铁路运营场景和外部环境最为复杂的国家，已形成了具有中国特色的超大规模、超强货运需求路网运输组织及运营保障技术。

通过铁路货运需求的预测以及通过调节铁路货运需求的关键影响因素来决定未来的铁路货运需求，铁路管理部口可以及时掌握未来铁路货运市场的发展趋势，并做出适当的制度改革，研究及制定适合中国铁路运输业发展的对策。最终，增强中国铁路运输系统的综合竞争能为，从而提升中国铁路运输系统的社会经济效益。

因此，针对高铁成网条件下运输需求新特征，研究货运需求演变规律，提出考虑运输服务属性的运输需求预测方法，支持铁路货物运产品设计。构建多场景货运需求预测系统，实现数据采集、数据管理、需求预测、可视化等功能，对于铁路部门具有重要意义。

发明内容

本发明的实施例提供了一种高精度的货运预测方法和货运预测系统，用于解决现有技术中存在的技术问题。

为了实现上述目的，本发明采取了如下技术方案。

一种高精度的货运预测方法，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。

优选地，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)；

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：

基于训练样本集，多次抽取样本，建立并求解训练矩阵式中，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。

优选地，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。

第二方面，本发明提供一种高精度的货运预测系统，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；