基于GRA 与SVM-mixed 的货运量预测方法

来源：交通运输系统工程与信息杂志2016年第6期北京时间：

作者：梁宁，耿立艳，张占福，梁毅刚

单位：1. 河北省高速公路廊坊北三县管理处，河北廊坊065000；2. 石家庄铁道大学经济管理学院，石家庄050043； 3. 石家庄铁道大学四方学院，石家庄051132；4. 曼彻斯特城市大学商学院，英国曼彻斯特M15 6BH

摘要：铁路货运量与其影响因素之间关系复杂，单一核函数支持向量机(SVM)难以 进行准确描述，而且各因素对铁路货运量的影响程度具有差异性，若忽略这种差异性，将 难以获得理想的铁路货运量预测结果.为此，本文提出一种基于灰色关联分析(GRA)与混 合核函数支持向量机(SVM-mixed)的铁路货运量预测方法.该方法采用灰色关联分析确 定各影响因素的权重，再将赋予权重的影响因素作为输入变量，构建多项式核函数与径 向基核函数线性组合的SVM-mixed 预测模型.针对SVM-mixed 参数难以确定问题，采用 果蝇优化算法(FOA)选择SVM-mixed 最优参数.基于中国铁路货运量的实例分析表明，该 方法可有效提高铁路货运量的预测精度，为准确预测铁路货运量提供了一种新途径.

关键词：铁路运输,货运量,预测,灰色关联分析,混合核函数支持向量机

基金资助：国家自然科学基金青年项目/ National Natural Science Foundation for Young Scholars of China(61503261)；河北省交 通运输厅2015 年科技计划项目/ 2015 Science and Technology Project of Department of Transportation in Hebei Province ( Y- 2010024)；河北省软科学研究计划项目/Soft Science Research Prog