多种预测方法在春运中的应用研究.docx

1、多种预测方法在春运中的应用研究 摘要：以春运旅客发送量预测为例，在引用了常用的各种预测模型的基础上，通过把多种预测方法的预测结果进行平均处理，再经过理论验证的基础上，开展了年度春运旅客发送量的短期预测，并对比参照年的实际值，对预测精度进行了检验，预测结果的可靠性比较高。 下载 关键词：多种预测 春运 应用研究 一、春运的重要性及预测 春运承载着广大人民群众平安出行、合家团聚的迫切愿望，是一项重要的民生工程。党中央、国务院高度重视春运工作，中央领导同志多次作出重要批示，明确要求各地区、各有关部门要认真贯彻落实。近些年，我国交通基础设施日趋完善，高速公路通车里程已超过 12 万公里，高速铁路超过

2、1.5万公里，但仍然不能满足春运期间爆发式增长的出行需求，部分铁路线路仍 “ 一票难求 ” 。统计显示，春运高峰时段客流量超过平日客流的 40%以上，如果按照这个客流量规划建设交通基础设施，肯定会造成运能的大量闲置和浪费。春运客流量预测是制定各种相关政策的前 提和基础，其预测结果的准确性将直接影响到发展战略的规划与部署，因此，有必要加强春运客流量预测方法的研究，从而更好地为春运管理部门提供决策参考依据 . 目前，客流量预测中常用的预测方法也有十几种。按预测方法的性质，大体上可将之划分为两大类：定性预测方法与定量预测方法。定性预测方法主要是以预测人员的经验判断为依据而进行的预测。预测者根据自己掌

3、握的实际情况、实践经验、专业水平，对未来客流发展前景的性质、方向和程度作出判断。其特点为需要的数据少，能考虑无法定量的因素，比较简便可行。目前常用的定性预测方法包括 客流调查法、类推法、专家预测法、头脑风暴法、主观概率法以及情景分析法等。但这些方法往往在很大程度上取决于参加预测人员的经验、专业理论水平以及所掌握的实际情况，因此存在片面性、准确性不高的缺点。定量预测方法主要是指通过建立数学模型来对未来客流量进行预测。运用数学方法对统计得到的资料和相关因素进行科学的加工处理。因此，定量预测方法也被称为统计预测法。与定性预测法相比，主观因素在预测中的影响被缩小，预测结果更加客观、科学。基于以上优点，

4、定量预测法在工作实践中得到了更加广泛的应用。而在客流量预测中，主要是时间序列预 测模型和影响因素预测法。除了定性与定量预测法，伴随着计算机技术前所未有的发展，也不断产生了一些新的预测方法，比如：平滑预测理论、灰色系统理论，自回归理论等。这些新兴的理论也逐步被应用到客流量量的预测领域中。 实际工作中，为了得到更为准确的预测结果，往往同时采用多种方法进行预测，然后对各种预测结果进行综合分析比较，供决策者参考。对于同一个问题，不同的预测方法其预测结果和精度也不同，一般是以预测误差平方和作为评价预测方法优劣的标准，不同的预测方法往往能提供不同的有用信息，如果简单将预测误差平方和较大的 一些方法舍弃掉，

5、可能会丢失一些有用的信息，这就需要将不同的预测方法进行适当的组合，形成所谓的多种预测，其主要目的是综合利用各种预测方法所提供的信息，尽可能提高预测精度。 二、预测方法与原理 1.平滑预测 （ 1）移动平均法 第一，功能。考虑不同滞后期的数据对模型预测的影响程度，选取不同的滞后期 N，再给各个滞后期的数值按照 “ 厚近薄远 ” 的思想选取不同的权数，即：给较近期的数据以较大的权数，给较远期的数据以较小的权数。然后把各个滞后期的数值加权平均，就得出了预测值。 第二，算法。 预测公式： 其中： N称为移动跨距。如果跳过此步，不指定 N的值，则系统会自动寻找最优的值进行计算预测。 权重 Wi 表示数据

6、 Xi 对预测值影响的大小，如当原始数据的总个数为 6时，则可以在文本框中输入这 6个原始数据的权重： 1， 1.5， 1.8， 2， 2.1， 2.5。 加权平均是根据厚近薄远的思想，认为近期的数据比远期的数据对未来的影响大。因此如果原始数据符合这个特点，则预测效果好，否则预测效果差。 第三，分析。移动平均法采用的算术平均数，是认为前 N期的数据对未来预测只是有同等 影响的，其权数是有同等影响的，其权数是 1/N，但如果考虑越近期的数据对未来预测值的影响程度越大，越远期的数据对未来预测值的影响程度越小，则我们给较近期的数据以较大的权数，给较远期的数据以较小的权数，使预测值更有可能接近于实际，

7、提高了模型的预测精度。虽然给近期值以较大的权重，给远期值以较小的权重，但不参加加权平均计算的远期值的权重为零，这也是此模型的不足之处。 （ 2）一次指数平滑法 第一，功能。一次指数平滑预测法是从一次移动平均预测方法改进而来的，该方法给近期的观察值以较大的权数，给远期的 实际值以较小的权数，使预测值既能较多地反映最新的信息，又能反映大量的历史资料的信息，从而使得预测结果更符合实际。 第二，算法。 首先计算一次指数平滑值，计算公式如下： 一次指数平滑预测是以第 t期的一次指数平滑值作为第 t+1 期的预测值，即： 因此一次指数平滑值的计算公式又可表示为 确定 的值。当我们比较依赖近期的信息进行预测

8、时，可以取的较大，而当以往的影响比较大市，可以取的较小。一般的做法是：取几个不同的 值，比较它们的预测误差，然后选择预测误差最小的 值。 确定初始值。通常办法是：当初始值对预测值的影响比较小时，可以近似的取 ，当初始值对预测值的影响比较大，如时间序列的项数较少时，可以取最初的 n 个观察值的平均值作为初始值： 。 第三，分析。一次指数平滑预测的结果存在滞后偏差，即当时间序列呈下降趋势是，预测值往往偏高；反之，则偏低。另外，一次指数平滑预测也只能做下一期预测。 （ 3）二次指数平滑法 第一，功能。二次指数平滑是指对时间序列作一次指数平滑之后，再对一次指数平滑序列做一次指数平滑，而此指数平滑不是直

9、接用来预测， 计算其值的目的在于求出平滑系数。 第二，算法。 二次指数平滑值的计算公式为： 一般情况下，初始值由 来确定。 二次指数平滑预测模型如下： ， 平滑系数的计算公式如下： ， 第三，分析。 为平滑常数， 在 0， 1之间。如果跳过此步，不指定 的值，则系统会自动寻找最优的值进行计算预测。当序列趋势逐期增加或减少时，每逢预测值，除了要削减随机干扰，还要加上每期增长量，二次指数平滑预测法等高次指数平滑预测法就是基于这一想法发展而成的。对于呈现 出某种上升或下降的趋势的时间数列，对一次指数平滑只进行第二次指数平滑并在此基础上推导出二次指数平滑外推预测的线性方程，利用线性方程进行预测。但是这

10、种方法只适用于线性变化的时间序列，而对于呈现某种曲线趋势的时间序列就不再适用，建议您使用三次指数平滑法。 （ 4）三次指数平滑法 第一，功能。三次指数平滑就是在二次指数平滑的基础上再进行一次平滑。 第二，算法。 三次指数平滑值的计算公式为 三次指数平滑模型为 平滑系数的计算公式 第三，分析。 从三次指数平滑预测的模型也可以看出，当时间序列不是呈直线趋势，而是呈二次曲线趋势时，宜用三次指数平滑模型来预测。您在实际进行预测时，也可以在多取几个 的值定量计算预测误差来选择 值，或结合实际，定性分析来选取相对最合理的 值。 2.灰色系统预测 GM（ n， h）模型是 n阶 h 个变量的微分方程，不同的

11、 n 与 h 的 GM模型有不同的意义和用途，要求有不同的数据。对数据的要求是可以反映预测对象综合效果的时间序列。由于 n越大，计算越复杂，且精度并不一定提高。因此， n一般在三阶以下，最常用的是 n=1， h=1，即只有一个变量的一阶GM 模型，记做 GM（ 1， 1），称为单序列一阶线形动态模型。它计算简单，适用面广。 3.自回归预测 （ 1）二次自回归 第一，功能。二次自回归是把反映社会经济现象发展变化的一个时间数列作为因变量，将同一时间数列后推两期的数列作为自变量进行回归预测。其预测模型是： 第二，算法。 利用最小二乘法对编制的自相关数列进行回归，估算出自回归系数 、 ，利用回归结果写

12、出自回归方程； 检验方程。 自相关方程的自相关系数： 在给定的显著性水平 下，查相关系数临界值表，得出 的值，并与回归计算出的自相关系数估计值 相比较，如果 ，则说明自回归方程线性关系显著，可以用于预测；否则，则说明自回归方程线性关系不显著，不能用于经济预测。 预测。当自回归方程线性关系显著时，将 、 代入自回归方程，就可预测出 的估计值。 第三，分析。自回归模型应注意多重共线性问题。 （ 2） P次自回归 第一，功能。和二次自回归相同， P 次自回归是将同一时间数列后推 P期的数列作为自变量进行回归预测。其模型是： 第二，算法。其计算方法和预测步骤和二次自回归预测是相同的。 第三，分析。自回

13、归模型应注意多重共线性问题。 三、应用举例 根据 2002 年 2016 年河南省旅客发送量历史数据，本文采用上述预测模型进行了预测，原始数据和预测结果如下表所示。 经过多种预测模型的预测以后，通过与 2016年实际发生数据的对比发现，多种预测模型预测结果的平均值是各种预测方法中最接近实际值的，是各种预测方法中比较稳定的，这也说明其预测结果的可靠性比较高。 四、结论 本文对多种预 测模型在春运客流量预测中的应用只是一种尝试，希望通过加强理论研究来提高我们对预测技术手段和方法的改进。当然，任何一种理论尝试都难免会有不足之处，只有经过实践的检验，我们的工作才能够不断完善和提高。 参考文献 徐国祥 .统计预测和决策 M.上海： 上海财经大学出版社， 1998 河南年鉴（ 2015） M.北京：中国统计出版社