Прогнозирование объемов грузовых железнодорожных перевозок

Материал из MachineLearning.

---

Версия 11:07, 7 октября 2015

Страница посвящена описанию проекта по разработке и исследованию свойств системы прогнозирования объемов грузовых железнодорожных перевозок с учетом экзогенных факторов.

Содержание 1 Цели и задачи проекта 2 Компоненты системы 2.1 Исследования по разработке модели прогнозирования 2.2 Учет влияния экзогенных факторов 2.3 Прогноз с учетом топологии 2.4 Согласование прогнозов 2.5 Анализ и сравнение моделей прогнозирования

Цели и задачи проекта

Проект направлен на решение задачи повышения эффективности бизнес-процессов индустриального партнера — ОАО «РЖД». Целью проекта является разработка и адаптация математических методов и алгоритмов прогнозирования с учетом специфики задач, решаемых в интересах ОАО «РЖД», и создание системы прогнозирования на их основе. Применение разработанных методов и алгоритмов, проектирование и внедрение подсистемы прогнозирования, позволят повысить обоснованность, объективность и эффективность принятия решений в бизнес-процессах, связанных с заключением контрактов и планированием грузовых железнодорожных перевозок.

• Статьи, посвященные описанию системы: [1], [2]
• Запускаемые модели прогнозирования, генерации тестовых данных и тестирования системы [code].
• Функциональные диаграммы системы прогнозирования и генерации тестовых данных: [IDEF].

Компоненты системы

Задача прогнозирования спроса на грузовые перевозки была поставлена для оперативного планирования перевозок по историческим данным с временным интервалом от суток до года. Для решения задачи необходимо решить ряд подзадач, связанных со спецификой прикладной области.

Исследования по разработке модели прогнозирования

• Вальков А.С., Кожанов Е.М., Медведникова М.М., Хусаинов Ф.И. Непараметрическое прогнозирование загруженности системы железнодорожных узлов по историческим данным // Машинное обучение и анализ данных. 2012. T. 1, № 4. C. 448-465
• Исследование свойств алгоритма hist: [Stenina2014HistProperties].
• Комбинация hist+ARIMA: Stenina2015ArimaHistForecast.pdf.
• Несмещенная комбинация MK: superposition.pdf

Учет влияния экзогенных факторов

В качестве методов выявления связи между временными рядами рассмотрены тест Грейнджера и метод сходящегося перекрестного отображения. Исследованы экономические факторы, связанные с объектами перевозок: цены на нефть и нефтепродукты, газ, металлы, сахар.

• Публикации: Вальков А.С., Кожанов Е.М., Мотренко А.П., Хусаинов Ф.И. Построение кросс-корреляционных зависимостей при прогнозе загруженности железнодорожного узла // Машинное обучение и анализ данных. 2013. № 5. С.503-517. Код и текст статьи в папке [3]
• Мотренко А.П. Использование теста Грейнджера при прогнозировании временных рядов // Машинное обучение и анализ данных. 2011. № 1. С. 51-60. Материалы.

Для учета экзогенных факторов в модели гистограммного прогнозирования предлагается уточнить гистограмму прогнозируемого (эндогенного) временного ряда, используя информацию о реализации значений экзогенных временных рядов. Рассматриваются методы уточнения гистограммы: условные гистограммы, смеси гистограмм.

• Ссылки на код и описание метода.

Прогноз с учетом топологии

Предлагается повысить качество прогноза за счет учета топологии сети: выполняется прогнозирование отправлений по парам станций вместо прогнозирования отправления всех вагонов с заданной станции. Поставлен вычислительный эксперимент, который подтвердил предположение о том, что прогноз по парам станций точнее, чем прогноз суммарного количества отправленных с заданной станции вагонов.

• Газизуллина Р.К., Стенина М.М., Стрижов В.В. Прогнозирование объемов железнодорожных грузоперевозок по парам веток // Системы и средства информатики. — 2015, 25(1) — 144-157.
• Ссылки на код и текст статьи.

Согласование прогнозов

• Стенина М., Стрижов В. Согласование агрегированных и детализированных прогнозов при решении задач непараметрического прогнозирования // Системы и средства информатики, 2014, 24(2) — 21-34.
• Мотренко А.П., Стрижов В.В. Построение агрегированных прогнозов объемов железнодорожных грузоперевозок c использованием расстояния Кульбака-Лейблера // Информатика и ее применения, 2014, 8(2) — 86-97.
• Стенина М.М., Стрижов В.В. Согласование прогнозов при решении задач прогнозирования иерархических временных рядов // Информатика и ее применения, 2015

Анализ и сравнение моделей прогнозирования

• Визуальный отчет о тестировании системы (набор рисунков и таблиц, MK), report.pdf