基于SSA-GM-GPR的铁路客运量预测研究

作者：曹武军; 李中强

来源：现代电子技术, 2022, 45(14): 159-163.

DOI：10.16652/j.issn.1004-373x.2022.14.028

• 铁路客运量预测
• 降噪
• 奇异谱分析
• 灰色预测
• 高斯过程回归
• 优势矩阵集成
• 特征提取

铁路客运量预测主要存在客运量数据易受噪声污染、数据呈现非线性和非平稳的特征关系两方面问题。为解决此问题，文中提出一种基于奇异谱分析（SSA）的集成预测方法。首先，对原始数列进行奇异谱分析，剔除噪声数据后重构包含主要特征信息的趋势序列；其次，对趋势序列分别采用灰色预测模型（GM）和高斯过程回归模型（GPR）进行预测，再采用优势矩阵法对各预测结果进行集成，得出最终预测值；最后，以我国铁路客运量年度数据为实证，选择均方误差（MSE）和平均绝对百分比误差（MAPE）作为评价标准，与原始序列模型和单一模型的预测结果进行对比。结果表明，与其他模型相比，基于SSA-GM-GPR的铁路客运量预测模型预测精度较高。采用所提出的模型预测2020—2022年客运量，可为铁路管理组织制定工作计划提供理论支撑。

• 单位
  郑州大学