摘要：科学的铁路货运需求量预测对铁路发展战略的制定具有重要的意义。为了对我国的铁路货运量进行准确的预测，通过阅读相关文献，首先探讨并建立了铁路货运量预测的相关指标体系，进一步运用粗糙集理论、向量自回归(VAR)模型构建起铁路货运量预测模型，即“粗糙集—VAR模型”。利用该模型进行预测时，首先应用粗糙集理论对铁路货运量预测指标知识库进行知识约简，以减少预测指标的复杂度，然后利用约简后指标的时间序列数据建立起向量自回归(VAR)模型，最后根据该模型对2010~2015年我国铁路货运量进行了比较准确的预测。最终实例结果表明，本文建立的“粗糙集—VAR模型”结合了粗糙集理论和向量自回归(VAR)模型的优点，应用粗糙集方法对影响我国铁路货运量的知识进行约简，仅保留进出口总额、铁路货物周转量这两个影响货运量的主要指标，从而有效消除了冗余信息的干扰；利用进出口总额、铁路货物周转量以及铁路货运量三者的时间序列数据建立VAR模型，能够得到准确有效的铁路货运量预测结果。“粗糙集—VAR模型”丰富了铁路货运量预测的方法，其结果可以为今后铁路货运需求规模的预测提供科学的依据。
关键词：粗糙集；VAR模型；铁路货运量；预测
铁路货运需求预测是指对铁路货运市场调查、分析之后，运用科学的方法，估计未来货运需求量及其变化规律，为制定政策和发展规划提供科学的依据。铁路货物运输是一个复杂的社会经济系统，受到诸多因素影响，影响重要程度各不相同且随时间发生变化。许多专家和学者对物流需求预测方法进行了研究，如后锐等[5]建立了物流需求预测指标体系，并应用MLP神经网络进行了物流需求预测；初良勇等[6]建立了物流需求预测指标体系，并应用组合预测方法对物流需求进行了预测；孙玉妮，伍艳艳等[7]基于投入产出与VAR模型对我国物流业与经济增长关系进行了实证研究；冯怡，张志勇等[8]应用粗糙集理论对我国物流需求进行了预测。通过分析发现，前人所建立的指标体系不够全面和完善，与现实实践有一定的差距，预测方法也有一定的缺陷。例如不能将输入信息的空间维数进行简化，当输入的空间维数较大时，不能建立有效的预测模型；不能得到准确的预测数值，预测的误差较大，这样在某种程度上失去了预测的意义。
由此，本文首先探索建立了一套比较切合实际的铁路货运需求预测指标体系，然后利用粗糙集理论和向量自回归（VAR）分别从指标存在的必要性及指标的时间序列数据的角度出发，建立一个精度比较高的预测模型，最后给出铁路货运量预测结果及具体分析。
铁路货运需求量预测指标体系
铁路货运物流的发展不仅受到铁路自身建设的影响，还与经济和物流存在着相互影响的关系。因此，在选择铁路货运量预测指标体系时，要结合社会经济宏观环境、铁路物流基础设施、人力资源等各个方面，对各因素进行综合全面的描述。依据科学性和数据可获得性的原则，本文从经济水平、货运需求、货运供给三方面考虑，选取的指标如表1所示。