基于灰色PSO-BP的客運量預測模型

張 忍，呂光輝

(長安大學汽車學院，陜西西安 710064)

公路客運量是反映運輸業為國民經濟和人民生活服務的數量指標。公路客運預測是交通規劃的重要內容。目前常用的定量預測方法有回歸分析預測、時間序列預測、灰色系統預測、馬爾可夫鏈法、蒙特卡羅法等[1]。回歸分析法的計算量大, 特別是非線性回歸模型的求解比較困難；時間序列預測法不能反映事物的內在關系, 也不能分析2個因素的相關關系, 準確度差，只能適用于短期預測；馬爾可夫鏈預測模型的關鍵在于轉移概率矩陣的可靠性,該預測模型要求有足夠準確的統計數據,才能保證預測精度[2]；蒙特卡羅法在預測過程中一般要假設某一頻率分部的概率,這與現實有一定差距；灰色系統預測方法所需資料少以及收集資料所花費的時間和費用都少,缺點是預測精度不高。近年來已經有學者把神經網絡與粒子群優化算法引入到預測領域。本文結合灰色系統思想與神經網絡和粒子群優化算法的優點建立基于灰色PSO-BP(神經網絡的粒子群優化算法)客運量預測模型，進一步提高預測精度。

1 預測模型及算法

1.1 灰色預測模型

灰色系統理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統為研究對象，主要通過對“部分”已知信息的生成、開發，提取有價值的信息，實現對系統運行規律的正確認識和有效控制[3]。GM(1，1)模型是灰色預測的核心， 其離散時間響應函數近似呈指數規律。……