基于多因素的大连站客运量BP神经网络预测研究

基于多因素的大连站客运量BP神经网络预测研究
摘要：在对大连站客运量的影响因素进行定性及定量分析的基础上，选取了大
连市生产总值、第三产业比重、旅游业总收入、各交通方式比重等7个指标作为
影响因素，运用BP神经网络对大连站的客运量进行预测，这对于大连站日后的
安全经营管理具有重要的指导意义。

关键词：大连站客运量；影响因素；BP神经网络；预测
0 引言
铁路客运量的精准预测，对国家地区的经济发展格局和资源配置，以及对铁
路企业内部的投资结构、经营管理等都有重要作用[1]。

传统的铁路客运量预测方
法主要包括定性和定量两种方式，定性预测主要指通过以往的经验以及专家知识
进行分析预测，主观意识强烈，预测精度较低。

而定性方法多数从时间序列中找
规律，利用历年的客运总量进行预测，这属于因果分析，只能预测发展趋势，不
能够反映出各种因素对于客运量的影响，存在很大的局限性。

因此，本文对大连
站客运量各影响因素进行定性和定量分析的基础上，运用BP神经网络，对大连
站的客运量进行分析预测。

1 大连站客运量影响因素分析
（1）地区经济的发展带来的影响。

反映一个地区经济发展的指标则为国内生产总值GDP，其值大小也会影响大连站客运量的发展变化。

（2）地区人口的变化影响。

一个地区铁路客运量的变化很大程度上与本地区人口数量有关，因此选用常住人口数作为地区人口变化的代表指标。

（3）产业结构的变动。

地区产业结构的变动对地区客流量也会产生影响。

第三产业其所需劳动力数量较大，因此选用第三产业占地区生产总值的比重来反映
产业结构的变化。

（4）旅游业的发展。

大连作为一个海滨城市，其旅游业发展较为迅速，而旅游业会导致很大的人口流动，影响地区车站客运量的发展。

因此，旅游业的总收
入也是影响车站客运量变化的不可忽略的因素。

（5）各交通运输方式的变化。

公路等交通运输方式的发展对车站客运量也有直接的影响。

本文拟选用公路，航空，水运占地区旅客周转量的比重来体现交通
运输方式的变化这一影响因素。

2 BP神经网络
BP 神经网络是一种典型的多层前馈型神经网络，具有很强的非线性预测能力。

BP 网络能学习和存贮大量的输入—输出模式映射关系，而无需事前揭示描述这种
映射关系的数学方程。

BP 网络模型由输入层、中间层（隐层）和输出层组成，每
层包含若干神经元，同层神经元间无联系，上、下层间全连接。

3大连站客运量预测
3.1客运量预测基础数据
2006年到2015年之间大连客运站的运输量预测的基础数据如下表1所示，
表中，Y是大连站客运量；X1-X7则是大连市的生产总值；第三产业占总产值比重；大连市常住人口数，；大连旅游业总收入；航空所占旅客周转量比重；水运所占
旅客周转量比重，公路运输所占旅客周转量比重。

表1 大连站客运量预测基础数据
3.2各影响因素与大连站客运量的灰色关联度分析
根据给定的基础数据，计算各影响因素与大连站客运量的关联度。

以大连市生产总值与大连站客运量的关联度为例。

（0.7026，0.6634，0.9549，0.7771，0.9079，0.8537，0.7656，0.7112，0.7719，
0.8426），则
同理可得与X2-X7之间的灰色关联度分别为0.7843，0.8098，0.7424，0.7612，0.8498，0.5776。

从上面的各种关联度可以看出，所有的关联度都应在0.5以上，因此，这7种因素对大连站的运输客运量都有着非常很紧密的联系，可以继续后文的分析工作。

3.3 BP 神经网络预测结果
利用 MATLAB 神经网络工具箱，可以进行神经网络的计算，在MATLAB基础上构建BP神经网络，进行客运量的预测。

最终预测出2006-2015年的客运量分别9831000人、11180000人、10688000人、12834000人、13320000人、13485000人、14690000人、15889000人、16767000人、16805000人，并经过相对误差计算，2006-2015年实际客运量与预测客运量相对误差百分比分别为5.454、0.559、8.201、0.009、0.1901.087、0.516、1.533、2.035
3.337。

经分析预测结果可得2006-2015年大连站客运量的预测最大相对误差百分比为8.201%，最小相对误差百分比为0.009%。

其中2008年北京奥运会召开以及汶川地震的发生等全国性大事件件发生，导致2008年大连站客运量预测误差超过5%，其余年份的相对误差均在5%左右。

因此，可暂不考虑2008年预测结果，神经网络模型预测精度良好，可继续后续客运量预测。

4 结束语
铁路客运量是客运市场中一项重要基础数据。

针对当前各预测方法一般偏向于因果分析及趋势预测，并不能反映出影响客运量的内部因素的情况。

本文以大连站为例，在对影响大连站客运量的因素进行定性与定量分析的基础上，运用BP神经网络对大连站客运量进行预测，预测精度良好，可为日后大连站客运量的预测提供相应的参考依据。

参考文献
[1]侯福均，吴祈宗.BP神经网络在铁路客运市场时间序列预测中的应用[J].运筹与管理，2003（12）：73-75.
[2]覃频频，晏启鹏，黄大明.运用前向神经网络法预测铁路客运量[J].铁道运输与经济，2005（12）：101-104.
[3]李建伟，程晓卿，秦勇，等.基于BP神经网络的城市轨道交通车辆可靠性预测[J].中南大学学报（自然科学版），2013（0）：47-51.。