成都東站貨運量的灰色動態預測

摘要：對于鐵路貨運量來說，隨著時間的推移，各種影響貨運量的未來的未知因素不斷進入貨運量這個灰色系統中。在介紹灰色預測方法的基礎上，建立了適用于鐵路貨運量灰色預測的動態模型，并對成都東站貨運量進行了中期預測分析。

關鍵詞：成都東站；貨運量；灰色預測

中圖分類號：F321文獻標識碼：A文章編號：1672-3198（2007）10-0066-01

1成都東站簡介

成都東站地處四川省成都市成華區境內，站型為單向混合列式三級四場，屬于貨編特等站。成都東站是西南地區的主要編組站之一，是寶成、成渝、成昆三條干線及達成線的聯接點。本站主要任務為接發編解貨物、軍用、路用等列車，辦理旅客列車通過。貨運方面辦理整車、零擔的裝卸、承運。是零擔貨物組織站，集裝箱辦理站，貨物加冰站，車輛消毒洗刷站，軍用備品保管站，是西南地區較大的貨物集散地。

2灰色系統理論

灰色系統理論認為，歷史數據是過去各種確知的和不確知的信息的綜合反映，這種反映已經把各種影響因素包容進歷史數據之中。鐵路貨運量受到多種因素的影響，如運輸需求、運輸量、運輸供給能力和非市場經濟因素等，這些因素中有的是已知的，有的是未知的，給預測帶來很大的困難，并且實際中可利用的數據量較少。但是貨運量的變動是有一定規律的，灰色數據即是各種變動規律對貨運量的綜合影響的一種復雜反映，除了一些比較特殊的因素如戰爭、災難等會使運量出現比較大的跳躍外，貨運量完全可以用歷史數據作為灰色信息的反映來進行分析、研究確定其變動規律，從而確定出其未來的走勢?；疑碚撍龀龅呐袛喔侠怼蚀_度更高，因此，本文選用灰色模型，預測成都東站未來五年的貨運量。

3灰色預測步驟

3.1數據生成處理

將原始數據，按時間序列依次累加，比如有原始數據X0，其第一個數據記為X01，第

（5）后驗差檢驗

檢驗模型計算的生成值Y0k與X0k是否符合，主要是通過后驗差檢驗方法檢驗。

3.3灰色預測

根據后驗差檢查結果，然后決定是否用此模型進行預測。如精度滿足要求，可以利用①和②式進行計算，即可得到預測值；否則，進行殘差修正。

4成都東站貨運量預測

4.1獲取成都東站貨運量歷史數據

4.2鐵路貨運量灰色預測的動態模型

對于鐵路貨運量來說，隨著時間的推移，各種影響貨運量的未來的未知因素將不斷進入貨運量這個灰色系統中，這勢必對貨運量造成影響。為了增大GM（1，1）模型的使用范圍，使其更具有實際意義，必須把不斷變化的進入系統的擾動因素考慮進去，也就是說，把最新得到的數據加入到已

這樣隨時間的推移，新時期的貨運量將不斷進入系統中，舊的數據可以不斷的被除去，使原始數據序列成為動態數據序列，這樣預測模型所得數據更貼近實際值。

4.3模型計算

運用MATLAB對成都東站貨運量編寫預測程序，計算得預測模型為：

Y k+1=14939-14354e-0.039k

計算后驗差比值C<0.35表明預測精度好，所以模型可用，預測值與實際的比較下圖所示：

5結論

與傳統預測方法相比，灰色預測可以用現實當中可以獲得的少量數據進行建模，進而得出滿意的結論，既不需要大量數據的支持，也不需要數據服從典型的概率分布。而動態模型更加適用于鐵路貨運量預測，適應了實際生產的需求。

參考文獻

［1］鄧聚龍.灰預測與灰決策［M］.武漢：華中科技大學出版社，2002.

［2］孫飛波.灰色預測理論在物流成本中的應用［J］.現代軟科學，2006，(2):70-71

［3］施學良，戴曉震.區域物流量預測的灰色GM(1，1)模型應用［J］.交通與運輸，2006，12:83-84

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文?！?/p>