基于EEMD高鐵客流預(yù)測(cè)

秦鳴 馮博

摘 要：鐵路運(yùn)輸是一種重要的交通運(yùn)輸方式，近年來，隨著我國鐵路事業(yè)的不斷發(fā)展，高鐵的出現(xiàn)，極大的提升了鐵路運(yùn)輸?shù)乃俣群托剩覈仓饾u發(fā)展成為在建規(guī)模最大、運(yùn)營(yíng)速度最高、運(yùn)營(yíng)里程最長(zhǎng)、集成能力最強(qiáng)、系統(tǒng)技術(shù)最全、發(fā)展速度最快的國家。在高速鐵路的發(fā)展當(dāng)中，對(duì)客流量的準(zhǔn)確預(yù)測(cè)，是高鐵修建的依據(jù)和基礎(chǔ)。因此，基于EEMD的高鐵客流預(yù)測(cè)，具有十分重要的意義和作用。

關(guān)鍵詞：EEMD；高鐵；客流預(yù)測(cè)

在鐵路運(yùn)輸當(dāng)中，客流數(shù)據(jù)的變化規(guī)律往往較為復(fù)雜，而對(duì)于這些規(guī)律，可以通過分析客流時(shí)頻特性加以了解，從而更加準(zhǔn)確的進(jìn)行客流預(yù)測(cè)。在實(shí)際應(yīng)用中，EEMD又叫做噪聲輔助經(jīng)驗(yàn)?zāi)B(tài)分解法，在非線性、非平穩(wěn)數(shù)據(jù)的分析當(dāng)中，具有十分良好的作用。利用EEMD法對(duì)高鐵客流做出準(zhǔn)確的預(yù)測(cè)，在高鐵的建設(shè)和發(fā)展當(dāng)中，能夠跟有針對(duì)性，提升高鐵資源的利用效率，從而取得更為良好的經(jīng)濟(jì)效益和社會(huì)效益。

一、EEMD算法的基本概述

（一）EEMD算法

在過去的EMD算法當(dāng)中，能夠分解非平穩(wěn)序列，使之形成趨勢(shì)項(xiàng)、IMF分量等，在這些分量當(dāng)中，具有能夠隨著序列改變而改變的頻率成分。分析分量的幅值、頻率等，能夠?qū)υ行蛄械臅r(shí)頻特性進(jìn)行準(zhǔn)確的體現(xiàn)。

數(shù)據(jù)經(jīng)過EMD處理之后，x（t）=cj（t）+r（t）。

式中本征模函數(shù)的個(gè)數(shù)為N，本征模函數(shù)為cj（t），由高到低的頻率范圍，其中趨勢(shì)項(xiàng)為r（t），對(duì)原序列主要趨勢(shì)進(jìn)行表示。

而在實(shí)際應(yīng)用中，處理數(shù)據(jù)時(shí)往往會(huì)受到一些外部因素的影響，所以在EMD分解當(dāng)中，可能會(huì)發(fā)生模式混疊的情況，對(duì)本征模函數(shù)分析產(chǎn)生影響。所以，對(duì)EEMD法進(jìn)行應(yīng)用，在對(duì)原序列進(jìn)行分析的過程中，先將隨機(jī)白噪聲信號(hào)加入，然后再分解，重復(fù)M次之后，對(duì)平均分解結(jié)果進(jìn)行計(jì)算。

（二）IMF分量重構(gòu)

在IMF分量的重構(gòu)過程中，可以采用很多種方法。如果只是簡(jiǎn)單的進(jìn)行相加，可能會(huì)對(duì)預(yù)測(cè)精度產(chǎn)生影響。對(duì)此，可以采用一些輔助算法綜合進(jìn)行應(yīng)用。例如GA-BP神經(jīng)網(wǎng)絡(luò)就是一種較為良好的方法，其本身具有非線性映射的功能和作用，因此，采用GA-BP神經(jīng)網(wǎng)絡(luò)，能夠通過訓(xùn)練對(duì)最優(yōu)的IMF權(quán)重組合進(jìn)行搜索。在重構(gòu)過程中，應(yīng)結(jié)合實(shí)際情況對(duì)是否選擇所有分量，或判斷如果加入往年同期數(shù)據(jù)，能夠?yàn)榭土黝A(yù)測(cè)提供更大的依據(jù)。

（三）EEMD的組合預(yù)測(cè)算法

在EEMD算法的應(yīng)用中，需要進(jìn)行組合運(yùn)算。在實(shí)際計(jì)算中，利用EEMD將原始數(shù)據(jù)進(jìn)行分解，形成本征模函數(shù)和趨勢(shì)項(xiàng)。在運(yùn)算當(dāng)中，可以與GA-BP、GSVM等技術(shù)進(jìn)行組合運(yùn)算，針對(duì)本征模函數(shù)，進(jìn)行建模和預(yù)測(cè)。相加分量預(yù)測(cè)結(jié)果，并向原序列預(yù)測(cè)結(jié)果還原。

二、基于EEMD高鐵客流預(yù)測(cè)

（一）高鐵客流特性

在當(dāng)前的高速鐵路網(wǎng)絡(luò)建設(shè)當(dāng)中，已經(jīng)基本上遍布了全國主要的城市，尤其是在一些旅游景點(diǎn)所在城市之間，高鐵更是具有極大的客流量。而在一年當(dāng)中，在不同的時(shí)間，也會(huì)體現(xiàn)出不同的客流量特點(diǎn)。具體來說，通常在一年當(dāng)中的清明、五一、端午、中秋、國慶等節(jié)假日時(shí)期當(dāng)中，會(huì)出現(xiàn)客流迅速攀升，并達(dá)到尖峰的情況，因此能夠看出是集中的旅游流爆發(fā)期。在除夕之前客流量逐漸攀升，到達(dá)最高點(diǎn)之后，在大年初一，時(shí)下降到最低點(diǎn)，由此可知是返鄉(xiāng)客流的時(shí)期。因此，在高鐵站的客流變化中，非平穩(wěn)特性較為明顯，在一些特殊時(shí)間段中，客流與平時(shí)相比，差異性也較為明顯。

（二）客流序列聚類分析

在對(duì)客流進(jìn)行分類的過程中，通過聚類的方式分析客流序列，以此作為基礎(chǔ)。以7天的時(shí)間為一個(gè)階段，對(duì)客流進(jìn)行劃分，對(duì)差異較為明顯的幾種數(shù)據(jù)，采用K均值聚類的方法進(jìn)行劃分，從而得出全年范圍內(nèi)，不同類別片段的分布情況。根據(jù)劃分結(jié)果來看，除了在節(jié)假日階段以外，平時(shí)的客流量基本上屬于較為相似的情況。因此，可以采用統(tǒng)一的方式，對(duì)平日的客流進(jìn)行預(yù)測(cè)。

（三）基于EEMD客流序列分析

在利用EEMD對(duì)客流序列進(jìn)行分解之后，得到相應(yīng)的趨勢(shì)項(xiàng)、IMF分量等。在原序列、趨勢(shì)項(xiàng)、IMF分量之間，進(jìn)行Pearson相關(guān)性分析，得出的結(jié)果為，P（i）j=[-0.0075，0.0505，0.0555，-0.0557，0.0519，0.3146，

0.4794，-0.0915]，由此能夠看出，在原序列、IMF-1之間，并不具有較大的相關(guān)性，因而時(shí)間序列相關(guān)性較小。對(duì)其進(jìn)行HHT的變換，能夠?qū)υ獢?shù)據(jù)的幅值、頻率等，進(jìn)行更加準(zhǔn)確的體現(xiàn)。

而為了對(duì)數(shù)據(jù)中主要的頻率分布進(jìn)行更加準(zhǔn)確的判斷，將一些不相關(guān)的IMF分量，以及具有較大能量的趨勢(shì)項(xiàng)從原序列中進(jìn)行消除，然后進(jìn)行分析和預(yù)測(cè)。根據(jù)計(jì)算結(jié)果可知，幅值局部極值點(diǎn)的分布頻率分別為0.00275Hz、0.03453Hz、0.06629Hz、0.49862Hz。對(duì)應(yīng)的周期為362天、30天、15天、2天，也就是全年客流序列的中期分布為1年、1個(gè)月、15天、2天。在這一分布當(dāng)中，以2天為周期的能量幅值來看，雖然并不具有較高的數(shù)值，不過和周圍的幅值之間具有明顯的區(qū)分，因此可知，是由于節(jié)假日客流增加所造成的。

三、結(jié)論

鐵路運(yùn)輸使當(dāng)前一種十分重要的運(yùn)輸形式，而在高鐵則是當(dāng)前一種十分快速高效的鐵路運(yùn)輸方式。高鐵雖然具有較高的速度和效率，但同樣具有較高的費(fèi)用和成本。

因此，應(yīng)根據(jù)實(shí)際客流量進(jìn)行高鐵建設(shè)和調(diào)度，從而取得更好的效益。對(duì)此，可以利用基于EEMD的高鐵客流預(yù)測(cè)，準(zhǔn)確的掌握客流情況，從而更好的推動(dòng)高鐵事業(yè)的發(fā)展。

參考文獻(xiàn)：

[1] 蒲松，王文憲，陳釘均，呂紅霞.高速旅客列車開行方案的魯棒優(yōu)化模型[J].交通運(yùn)輸系統(tǒng)工程與信息，2015（06）：101-106.

[2] 過秀成，馬超，楊潔，李星，龔小林.高速鐵路綜合客運(yùn)樞紐交通銜接設(shè)施配置指標(biāo)研究[J].現(xiàn)代城市研究，2010（07）：20-24.

[3] 李剛，潘躍.基于SPSS Modeler的超售方法在京滬高鐵票額管理中的應(yīng)用研究[J].鐵路計(jì)算機(jī)應(yīng)用，2014（08）：33-35.

[4] 單杏花，衛(wèi)瑞明，王煒煒，張軍鋒，呂曉艷.鐵路客運(yùn)營(yíng)銷輔助決策系統(tǒng)及關(guān)鍵技術(shù)研究[J].鐵路技術(shù)創(chuàng)新，2015（02）：123-127.