基于RBF神经网络的铁路客货运量混沌时间序列预测研究
根据RBF神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行了分析和研究,本文在rakens相空间重构的基础上,首先利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;其次根据嵌入时延和嵌入维数构造铁路客货运量的奇异吸引子三维相图;然后应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;接着根据RBF神经网络的学习算法和辨识原理,对铁路客货运最预测流程进行分析.最后应用RBF神经网络对 Lorenz方程进行单步和多步的预测并进行校验比较,同时对铁路客货运量自l999年1月1 日到2012年8月27 日共4988天的发送量进行RBF单步和多步顾测;预测结果表明Lorenz方程能够很好地与实际值相吻合,铁路客货运的RBF多步预测随着预测步数的变长,误差逐渐变大,因此多步预测更适合短期预测;RBF神经网络铁路客货运单步预测较多步预测精准度略高些.
铁路运输 混沌时间序列 运量预测 神经网络
吴华稳 王富章
中国铁道科学研究院电子计算技术研究所,北京,100081
国内会议
济南
中文
73-73
2012-10-01（万方平台首次上网日期，不代表论文的发表时间）