因素对于客运量的影响，存在很大的局限性。

因此，本文对大连站客运量各影响因素进行定性和定量分析的基础上，运用神经网络，对大连站的客运量进行分析预测。

神经网络神经网络是种典型的多层前馈型神经网络，间全连接。

关键词大连站客运量影响因素神经网络预测引言铁路客运量的精准预测，对国家地区的经济发展格局和资源配置，以及对铁路企业内部的投资结构经营管理等都有重要作用。

传统的铁路客运量预测方法主要包括定经济，李建伟，程晓卿，秦勇，等基于神经网络的城市轨道交通车辆可靠性预测中南大学学报自然科学版，。

基于多因素的大连站客运量神经网络预测研究原稿。

神经网络神经网络是种典型的多层前馈型神经网基于多因素的大连站客运量神经网络预测研究原稿年实际客运量与预测客运量相对误差百分比分别为。

经分析预测结果可得年大连站客运量的预测最大相对误差百分比为，最小相对误差百分比为。

其中年北京奥运会召开以及汶川地震的发生等全国性大事件件发生，导致年大连站客运量础数据。

针对当前各预测方法般偏向于因果分析及趋势预测，并不能反映出影响客运量的内部因素的情况。

本文以大连站为例，在对影响大连站客运量的因素进行定性与定量分析的基础上，运用神经网络对大连站客运量进行预测，文的分析工作。

神经网络预测结果利用神经网络工具箱，可以进行神经网络的计算，在基础上构建神经网络，进行客运量的预测。

最终预测出年的客运量分别人人人人人人人人人人，并经过相对误差计算年的客运量分别人人人人人人人人人人，并经过相对误差计算，年实际客运量与预测客运量相对误差百分比分别为。

经分析预测结果可得年大连站客运量的预测最大相对误差百分比为，最小相对误差百分比为。

其中年北京奥运会召开以数据，计算各影响因素与大连站客运量的关联度。

以大连市生产总值与大连站客运量的关联度为例。

，则同理可得与之间的灰色关联度分别为，。

从上面的各种关联度可以看出，所有的关联度都应在以上，因此，这种汶川地震的发生等全国性大事件件发生，导致年大连站客运量预测误差超过，其余年份的相对误差均在左右。

因此，可暂不考虑年预测结果，神经网络模型预测精度良好，可继续后续客运量预测。

结束语铁路客运量是客运市场中项重要产业结构的变动。

地区产业结构的变动对地区客流量也会产生影响。

大连站客运量预测客运量预测基础数据年到年之间大连客运站的运输量预测的基础数据如下表所示，表中，是大连站客运量则是大连市的生产总值第产业占度上与本地区人口数量有关，因此选用常住人口数作为地区人口变化的代表指标。

旅游业的发展。

大连作为个海滨城市，其旅游业发展较为迅速，而旅游业会导致很大的人口流动，影响地区车站客运量的发展。

因此，旅游业的总收入也并不能反映出影响客运量的内部因素的情况。

本文以大连站为例，在对影响大连站客运量的因素进行定性与定量分析的基础上，运用神经网络对大连站客运量进行预测，预测精度良好，可为日后大连站客运量的预测提供相应的参考预测精度良好，可为日后大连站客运量的预测提供相应的参考依据。

参考文献侯福均，吴祈宗神经网络在铁路客运市场时间序列预测中的应用运筹与管理，覃频频，晏启鹏，黄大明运用前向神经网络法预测铁路客运量铁道运输汶川地震的发生等全国性大事件件发生，导致年大连站客运量预测误差超过，其余年份的相对误差均在左右。

因此，可暂不考虑年预测结果，神经网络模型预测精度良好，可继续后续客运量预测。

结束语铁路客运量是客运市场中项重要年实际客运量与预测客运量相对误差百分比分别为。

经分析预测结果可得年大连站客运量的预测最大相对误差百分比为，最小相对误差百分比为。

其中年北京奥运会召开以及汶川地震的发生等全国性大事件件发生，导致年大连站客运量总值与大连站客运量的关联度为例。

，则同理可得与之间的灰色关联度分别为，。

从上面的各种关联度可以看出，所有的关联度都应在以上，因此，这种因素对大连站的运输客运量都有着非常很紧密的联系，可以继续基于多因素的大连站客运量神经网络预测研究原稿影响车站客运量变化的不可忽略的因素。

基于多因素的大连站客运量神经网络预测研究原稿。

地区人口的变化影响。

个地区铁路客运量的变化很大程度上与本地区人口数量有关，因此选用常住人口数作为地区人口变化的代表指年实际客运量与预测客运量相对误差百分比分别为。

经分析预测结果可得年大连站客运量的预测最大相对误差百分比为，最小相对误差百分比为。

其中年北京奥运会召开以及汶川地震的发生等全国性大事件件发生，导致年大连站客运量交通车辆可靠性预测中南大学学报自然科学版，。

基于多因素的大连站客运量神经网络预测研究原稿。

产业结构的变动。

地区产业结构的变动对地区客流量也会产生影响。

地区人口的变化影响。

个地区铁路客运量的变化很大全连接。

大连站客运量预测客运量预测基础数据年到年之间大连客运站的运输量预测的基础数据如下表所示，表中，是大连站客运量则是大连市的生产总值第产业占总产值比重大连市常住人口数，大连旅游业总收入航据。

参考文献侯福均，吴祈宗神经网络在铁路客运市场时间序列预测中的应用运筹与管理，覃频频，晏启鹏，黄大明运用前向神经网络法预测铁路客运量铁道运输与经济，李建伟，程晓卿，秦勇，等基于神经网络的城市轨汶川地震的发生等全国性大事件件发生，导致年大连站客运量预测误差超过，其余年份的相对误差均在左右。

因此，可暂不考虑年预测结果，神经网络模型预测精度良好，可继续后续客运量预测。

结束语铁路客运量是客运市场中项重要预测误差超过，其余年份的相对误差均在左右。

因此，可暂不考虑年预测结果，神经网络模型预测精度良好，可继续后续客运量预测。

结束语铁路客运量是客运市场中项重要基础数据。

针对当前各预测方法般偏向于因果分析及趋势预测文的分析工作。

神经网络预测结果利用神经网络工具箱，可以进行神经网络的计算，在基础上构建神经网络，进行客运量的预测。

最终预测出年的客运量分别人人人人人人人人人人，并经过相对误差计算占总产值比重大连市常住人口数，大连旅游业总收入航空所占旅客周转量比重水运所占旅客周转量比重，公路运输所占旅客周转量比重。

表大连站客运量预测基础数据各影响因素与大连站客运量的灰色关联度分析根据给定的基所占旅客周转量比重水运所占旅客周转量比重，公路运输所占旅客周转量比重。

表大连站客运量预测基础数据各影响因素与大连站客运量的灰色关联度分析根据给定的基础数据，计算各影响因素与大连站客运量的关联度。

以大连市生基于多因素的大连站客运量神经网络预测研究原稿年实际客运量与预测客运量相对误差百分比分别为。

经分析预测结果可得年大连站客运量的预测最大相对误差百分比为，最小相对误差百分比为。

其中年北京奥运会召开以及汶川地震的发生等全国性大事件件发生，导致年大连站客运量具有很强的非线性预测能力。

网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。

网络模型由输入层中间层隐层和输出层组成，每层包含若干神经元，同层神经元间无联系，上下层文的分析工作。

神经网络预测结果利用神经网络工具箱，可以进行神经网络的计算，在基础上构建神经网络，进行客运量的预测。

最终预测出年的客运量分别人人人人人人人人人人，并经过相对误差计算和定量两种方式，定性预测主要指通过以往的经验以及专家知识进行分析预测，主观意识强烈，预测精度较低。

而定性方法多数从时间序列中找规律，利用历年的客运总量进行预测，这属于因果分析，只能预测发展趋势，不能够反映出，具有很强的非线性预测能力。

网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。

网络模型由输入层中间层隐层和输出层组成，每层包含若干神经元，同层神经元间无联系，上下预测精度良好，可为日后大连站客运量的预测提供相应的参考依据。

参考文献侯福均，吴祈宗神经网络在铁路客运市场时间序列预测中的应用运筹与管理，覃频频，晏启鹏，黄大明运用前向神经网络法预测铁路客运量铁道运输汶川地震的发生等全国性大事件件发生，导致年大连站客运量预测误差超过，其余年份的相对误差均在左右。

因此，可暂不考虑年预测结果，神经网络模型预测精度良好，可继续后续客运量预测。

结束语铁路客运量是客运市场中项重要素对大连站的运输客运量都有着非常很紧密的联系，可以继续后文的分析工作。

神经网络预测结果利用神经网络工具箱，可以进行神经网络的计算，在基础上构建神经网络，进行客运量的预测。

最终预测间全连接。

关键词大连站客运量影响因素神经网络预测引言铁路客运量的精准预测，对国家地区的经济发展格局和资源配置，以及对铁路企业内部的投资结构经营管理等都有重要作用。

传统的铁路客运量预测方法主要包括定占总产值比重大连市常住人口数，大连旅游业总收入航空所占旅客周转量比重水运所占旅客周转量比重，公路运输所占旅客周转量比重。

表大连站客运量预测基础数据各影响因素与大连站客运量的灰色关联度分析根据给定的基