一种基于多模型的铁路货物周转量预测方法及系统技术方案

本发明专利技术公开了一种基于多模型的铁路货物周转量预测方法和系统，该方法包括：确定初选影响因素并获取反映铁路货物周转量以及各初选影响因素的第一时间序列数据；对预处理后的第一时间序列数据通过灰色关联度分析方法确定强关联因素；将反映铁路货物周转量及强关联因素的第二时间序列数据预处理后建立用于对铁路货物周转量进行预测的长短时记忆神经网络模型，选择可靠的保留；采用自回归移动平均模型计算各强关联因素的预测值，然后将预测值输入到保留的长短时记忆神经网络模型，得到铁路货物周转量的预测结果。本发明专利技术不依赖于单一历史数据，充分考虑了多种外部因素对货物周转量的影响，从而使得预测结果更加准确可靠。

【技术实现步骤摘要】

本专利技术涉及数据预测，特别是一种基于多模型的铁路货物周转量预测方法。

技术介绍

1、铁路货物运输过程中，准确地预测铁路货物周转量在合理制定发展战略、推动经济的可持续发展、调整铁路运输结构优化货物运输路径和方式、优化铁路货运资源配置提高资源运输效率等方面均具有重要的战略意义。

2、目前，铁路货物周转量预测主要依赖铁路货运系统历史数据，存在数据质量不高、数据利用程度低、缺少外部指标等问题。铁路货运需求预测对于制定合理的铁路货运规划、优化资源配置、提高服务质量等具有重要意义。因此，提高数据质量、引入外部指标、多源数据整合有利于提高铁路货运预测的准确性和可靠性，为我国铁路货运提供支持和指导，促进我国铁路货运高质量发展。

技术实现思路

1、本专利技术针对上述现有技术存在的问题，提供了一种基于多模型的铁路货物周转量预测方法，综合运用了灰色关联度分析、长短时记忆神经网络、自回归移动平均模型对铁路货物周转量进行预测。不依赖于单一历史数据，充分考虑了多种外部因素对货物周转量的影响，从而使得预测结果更加准确可靠。<本文档来自技高网...

【技术保护点】

1.一种基于多模型的铁路货物周转量预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多模型的铁路货物周转量预测方法，其特征在于，所述的步骤S2，具体包括：

3.根据权利要求1所述的基于多模型的铁路货物周转量预测方法，其特征在于，所述的步骤S3中，具体包括：

4.根据权利要求1所述的基于多模型的铁路货物周转量预测方法，其特征在于，所述的步骤S4中，具体包括：

5.一种基于多模型的铁路货物周转量预测系统，其特征在于，包括：

6.根据权利要求5所述的基于多模型的铁路货物周转量预测系统，其特征在于，所述的灰色关联度分析模块，具体...

【技术特征摘要】

1.一种基于多模型的铁路货物周转量预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多模型的铁路货物周转量预测方法，其特征在于，所述的步骤s2，具体包括：

3.根据权利要求1所述的基于多模型的铁路货物周转量预测方法，其特征在于，所述的步骤s3中，具体包括：

4.根据权利要求1所述的基于多模型的铁路货物周转量预测方法，其特征在于，所述的步骤s4中，具体包括：

5.一种基于多模型的铁路货物周转量预测系统，其特征在于，包括：

6.根据权利要求5所述的基于多模型的铁路货物周转量预测系统，其特征在于，所述的灰色关联度分析模块，具体用于：

7.根据权利要...

【专利技术属性】
技术研发人员：冯芬玲，王紫璇，宋海涛，张泽，梁瑗兰，孙文丽，
申请(专利权)人：中南大学，
类型：发明
国别省市：