談灰色關聯(lián)多元回歸預測鐵路客運需求范文

本站小編為你精心準備了談灰色關聯(lián)多元回歸預測鐵路客運需求參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要:采用灰色關聯(lián)法分析了鐵路客運需求的影響因素，找出了主要因素，利用這些主要因素建立回歸預測模型對我國鐵路客運需求進行了短期預測，為我國鐵路客運的發(fā)展規(guī)劃提供參考．

關鍵詞:鐵路客運;需求預測;灰色關聯(lián)法;多元線性回歸

鐵路運輸是我國國民經(jīng)濟發(fā)展的大動脈．作為我國現(xiàn)代交通運輸體系中重要的組成部分，鐵路旅客運輸在近年有了跨越式的發(fā)展．隨著我國居民收入和生活水平的逐步提高，旅客對鐵路運輸提出了更高的要求，鐵路也面臨越來越多考驗．目前，在全國客運總量中，公路占絕對優(yōu)勢，但從長遠來看，鐵路特別是高鐵的作用不容忽視．因為未來經(jīng)濟的發(fā)展將以城市和城市群為中心展開，客流的集中度將會有上升的趨勢．在經(jīng)濟活躍、客流繁忙的城市群之間修建高速或城際鐵路網(wǎng)將有效地滿足人們的出行要求．運輸需求預測是運輸經(jīng)濟學研究的核心內容，也是運輸系統(tǒng)規(guī)劃的基礎性工作．對運輸需求進行科學、準確地預測，有利于運輸相關部門制定合理的發(fā)展規(guī)劃，提高運輸能力和服務水平．本文在分析影響鐵路客運需求因素的基礎上，建立回歸預測模型對未來五年的鐵路客運需求進行了預測，為鐵路相關部門做好短期規(guī)劃提供參考．

1鐵路客運需求影響因素分析

1．1影響鐵路客運需求的因素影響鐵路客運需求的因素主要有:(1)經(jīng)濟發(fā)展水平．經(jīng)濟的快速發(fā)展帶動人們出行需求的增加，發(fā)達國家的經(jīng)驗表明:一個國家年均客運周轉量增長速率和其GDP增長速度相當;(2)人口數(shù)量．人口數(shù)量是影響鐵路客運需求的重要因素，人口數(shù)量越大，出行需求越大，反之越小;(3)人均生產(chǎn)總值．人均生產(chǎn)總值增加，居民消費水平也隨之增加，用于旅行等費用增加，出行需求增加;(4)鐵路營業(yè)里程．鐵路營業(yè)里程增加，供給增加，也將在一定程度上刺激人們的出行需求;(5)國內旅游人數(shù)．鐵路的安全性、舒適性、服務質量的提高以及旅游專列的開行，都將在一定程度上促使游客選擇鐵路出行;(6)居民消費水平和人均可支配收入．隨著人們人均可支配收入的增加，消費水平的提高及消費結構的改變，也都將刺激新的客運需求的增加;(7)其他運輸方式:公路、水運、航空等其他客運方式和鐵路客運在一定程度上存在相互競爭的關系，在總客運需求一定的情況下，它們之間存在反比關系．

1．2灰色關聯(lián)法的計算步驟根據(jù)灰色理論，設:參考序列為:X0={X0(1)，X0(2)，…，Xi(n)}，比較序列為:Xi={Xi(1)，Xi(2)，…，Xi(n)}，其中，i=1，2，…，m．(1)數(shù)據(jù)初值化處理由于原始數(shù)據(jù)的量綱不同，為了保證數(shù)據(jù)的可比性，首先要對原始數(shù)列進行無量綱化處理，即用同一數(shù)列的第一個數(shù)去除后面的所有數(shù)據(jù)．(2)計算關聯(lián)系數(shù)對Xi在X0第K點的關聯(lián)系數(shù)用ξi(k)表示，計算公式如下［1］:式中，ρ為分辨系數(shù)，取值為0～1，通常取0．5．(3)計算關聯(lián)度為了便于比較，可以將關聯(lián)系數(shù)轉化為關聯(lián)度．每個影響因素的關聯(lián)系數(shù)的平均值即為該因素的關聯(lián)度為，計算公式為:

1．3鐵路客運需求影響因素分析由于鐵路客運量與其他客運量存在競爭關系，所以要對公路客運量、航空客運量、水運客運量進行正向處理，本文采用取倒數(shù)的方法．根據(jù)數(shù)據(jù)初始化的方法，將原始數(shù)據(jù)(表1)進行初始化處理，利用式(1)計算關聯(lián)系數(shù)，見表2．按照式(2)計算得各影響因素與鐵路客運量的關聯(lián)度分別為γ1=0．695，γ2=0．714，γ3=0.712，γ4=0．840，γ5=0．766，γ6=0．643，γ7=0．582，γ8=0．687，γ9=0．661，γ10=0．709．由計算結果可知:與鐵路客運量關聯(lián)度最大的是鐵路營業(yè)里程，其次是國內旅游人數(shù)，然后依次是人均生產(chǎn)總值，總人口數(shù)量，人均可支配收入，國內生產(chǎn)總值，水運客運量，居民消費水平，公路客運量，最后才是航空客運量．其中鐵路營業(yè)里程、國內旅游人數(shù)、人均生產(chǎn)總值、總人口數(shù)量、人均可支配收入關聯(lián)度都在0．7以上，關聯(lián)度高．因此選取這五個因素作為鐵路客運量的主要影響因素．

2基于多元回歸預測的鐵路客運需求預測

2．1鐵路客運量走勢圖利用SPSS軟件將表1的第二列鐵路客運量做回歸分析，得到散點圖如圖1．由下圖可以看出鐵路客運量走勢符合多元線性回歸方程要求，可以進行線性回歸預測．圖12007～2016年鐵路客運量走勢散點圖

2．2影響因素預測根據(jù)前面的計算分析，本文選取鐵路營業(yè)里程，國內旅游人數(shù)，人均生產(chǎn)總值，總人口數(shù)量和人均可支配收入作為鐵路客運量的主要影響因素進行預測，因此，首先對影響因素進行預測．采用時間序列曲線估計回歸方法對鐵路營業(yè)里程、國內旅游人數(shù)、人均生產(chǎn)總值、總人口數(shù)量和人均可支配收入進行預測，將表1中相關數(shù)據(jù)做線性回歸分析［2］，對其進行預測和精度檢驗，可得各因素的預測結果，見表3．2．3鐵路客運需求預測由圖1可以看出鐵路客運量走勢符合多元線性回歸方程要求，因此，利用最小二乘法，建立基于鐵路營業(yè)里程，國內旅游人數(shù)，人均生產(chǎn)總值，總人口數(shù)量和人均可支配收入的鐵路客運量的多元線形回歸方程為:Y=－765307．503+19607X1+0．556X2+1．594X3+5．578X4－12．903X5式中，Y為鐵路客運量(萬人);X1為鐵路營業(yè)里程(萬公里);X2為國內旅游人數(shù)(萬人);X3為人均生產(chǎn)總值(元);X4為總人口數(shù)量(萬人);X5為人均可支配收入(元)．將回歸模型預測數(shù)據(jù)與實際數(shù)據(jù)進行比較，從表4可見鐵路客運量實際值與預測值的相對誤差在±5%以內，回歸模型的精度較高．將表3中的鐵路營業(yè)里程、國內旅游人數(shù)、人均生產(chǎn)總值、總人口數(shù)量和人均可支配收入的預測數(shù)據(jù)代入到多元線性回歸方程中，可預測出2017～2021年鐵路客運需求量的值分別為308024．13、338224．20、370898．13、406124．38、443863．71萬人．

3結論

通過上述分析，確定影響鐵路客運需求的最主要因素有鐵路營業(yè)里程，國內旅游人數(shù)、人均生產(chǎn)總值、總人口數(shù)量和人均可支配收入．利用這5個因素建立了多元回歸預測模型，對我國2017～2021年的鐵路客運需求量進行了預測，預測結果顯示鐵路客運需求在未來五年呈逐年增長的趨勢.

參考文獻:

［1］王春輝，周生路，吳紹華，等．基于多元線性回歸模型和灰色關聯(lián)分析的江蘇省糧食產(chǎn)量預測［J］．南京師大學報(自然科學版)，2014，37(4):105-109．

［2］王彬．基于灰色回歸組合模型的鐵路客運量預測研究［J］．重慶理工大學學報(自然科學)，2017，31(11):231-234．

［3］王浩，郭瑞軍．改進PCA－BP神經(jīng)網(wǎng)絡模型在公路客運量預測的應用［J］．大連交通大學學報，2016，37(2):1-5．

［4］王相平．鐵路旅客運輸量影響因素的灰色關聯(lián)分析［J］．鐵路計算機應用，2013，22(10):13-16．

作者：王晚香 劉文儉 李巖 單位：大連交通大學