摘要：为精确的预测铁路的货运量，采用了混合神经网络的方法进行建模。在分析某铁路以往货运量的基础上，确定了混合神经网络的特征参数，并根据实际情况确定了输入层和隐含层的神经元个数，从而得到了模型的结构，最终建立了一个用于预测铁路货运量的混合神经网络模型。
关键词：货运量；混合神经网络；预测方法
引言
1.1 问题描述
随着我国市场经济体制的不断完善和发展，铁路运输部门更加感觉到物流业竞争的激烈性。铁路运输关系到国家的经济发展，是我国交通运输系统中最重要的方式之一。铁路部门的货运量直接体现出铁路的效率，也反映出铁路的经济效益。因此，铁路货运量的需求预测在国家和地区经济发展规划中具有重要的作用，准确的预测结果有利于提高铁路系统的运营效率。但是货运量不仅受到国民经济总量的影响，还要受到经济结构因素，同时供需市场非均衡性客观存在，各个影响因子之间存在复杂的相互关系，这就使得货运量预测具有高度的不确定性和非线性的特点。为了充分发挥铁路运输在国民经济发展中的作用，有效的促进我国铁路在新世纪健康、快速的发展，就有必要对我国铁路未来的发展趋势有正确的把握，也就需要根据以往的数据对货运量进行准确的预测。
1.2 预测方法综述
统计预测就是根据统计资料或相关的定性资料，通过统计分析，应用统计模型，对未来不确定事件的数量方面或数量方面的未来前景所作的预测[1]。目前常用的铁路运量预测方法有定性预测方法和定量预测方法，定性预测方法如专家经验预测法、集体意见法；定量预测方法包括两个方面，主要集中在对其因果关系回归模型和时间序列模型分析上。