基于PCA-IPSO-GNN模型的铁路月度客运量预测模型研究

作者：张万胜

来源：中国公共安全(市场版), 2018, (02): 122-127.

• 主成分分析
• 粒子群优化算法
• 灰色神经网络
• 铁路客运量预测

铁路月度客运量预测是铁路客运组织的基础,是铁路路网规划和运营管理的前提条件。本文提出了基于PCA-IPSO-GNN模型的铁路月度客运量预测模型,利用主成分分析(PCA)对铁路月度客运量影响因素进行综合分析,将分析结果作为灰色神经网络(GNN)的输入,同时采用改进的粒子群优化算法(IPSO)优化GNN的白化参数,进而得到更为准确的铁路月度客运量预测值。经过实例验证和比较,PCA-IPSO-GNN预测模型具有较高的精度,可以满足铁路月度客运量的预测需求。