1、在廣泛參閱有關(guān)貨運(yùn)量預(yù)測(cè)文獻(xiàn)的基礎(chǔ)上，充分利用其中有用的信息，揚(yáng)長(zhǎng)避短，提出了引入小波分析和貝葉斯估計(jì)方法組合起來(lái)進(jìn)行預(yù)測(cè)，克服了單一預(yù)測(cè)模型在鐵路貨運(yùn)量預(yù)測(cè)中的局限性，以及減少模型參數(shù)估計(jì)帶來(lái)的誤差損失，這為我國(guó)鐵路運(yùn)輸企業(yè)制定市場(chǎng)營(yíng)銷計(jì)劃和營(yíng)銷決策提供重要的依據(jù)。本文給廣大學(xué)者提供一種提高模型精度的方法：一是從數(shù)據(jù)預(yù)處理方法進(jìn)行改進(jìn)；二是改變參數(shù)估計(jì)方法；三是對(duì)模型結(jié)果的修正。為了詳細(xì)了解上述三個(gè)方面內(nèi)容，本文的工作體現(xiàn)在：

2、　　1、文章首先概括了本文的研究?jī)?nèi)容、研究方法、研究的創(chuàng)新點(diǎn)和研究目的及意義，隨后闡述了國(guó)內(nèi)外相關(guān)文獻(xiàn)。
　　2、文章第三章是先對(duì)小波分析簡(jiǎn)要的介紹，把小波分析作為數(shù)據(jù)預(yù)處理的手段，然后進(jìn)行深入的研究。通過(guò)引入小波分析對(duì)我國(guó)鐵路貨運(yùn)量的非平穩(wěn)序列進(jìn)行分解，對(duì)分解后的序列分別建立時(shí)間序列模型進(jìn)行預(yù)測(cè)和重構(gòu)序列。與傳統(tǒng)的ARMA模型的預(yù)測(cè)結(jié)果做比較時(shí)，可以發(fā)現(xiàn)引入小波分析的時(shí)間序列模型的結(jié)果更佳。結(jié)果表明，基于小波分析的時(shí)間序列模型的

3、鐵路貨運(yùn)量預(yù)測(cè)方法具有有效性。
　　3、第四章是通過(guò)基于BIC對(duì)最優(yōu)子集ARMA模型確定模型的階數(shù)，并利用R軟件對(duì)我國(guó)鐵路貨運(yùn)量分別采用矩估計(jì)、最小二乘估計(jì)、極大似然估計(jì)方法建立ARMA（p，q）模型。運(yùn)用winbugs14軟件解決貝葉斯估計(jì)對(duì)所建立的ARMA（p，q）模型的參數(shù)進(jìn)行估計(jì)，并對(duì)模型參數(shù)的收斂性進(jìn)行檢驗(yàn)和給出參數(shù)的后驗(yàn)分布。通過(guò)比較不同參數(shù)估計(jì)下的ARMA模型的預(yù)測(cè)結(jié)果，得到的結(jié)論是基于貝葉斯估計(jì)的ARMA模型提高預(yù)

4、測(cè)的準(zhǔn)確性。
　　4、第五章是以第三、四章的研究成果為基礎(chǔ)，引入小波分析作為數(shù)據(jù)預(yù)處理方法，選擇貝葉斯估計(jì)作為ARMA模型的參數(shù)估計(jì)方法對(duì)我國(guó)鐵路貨運(yùn)量進(jìn)行預(yù)測(cè)。把小波分析和貝葉斯估計(jì)方法組合建模，與第三、四章的預(yù)測(cè)效果比較，結(jié)果表明二者的結(jié)合可提高模型的精度。
　　5、第六章是觀察第五章中低頻序列的滑動(dòng)移動(dòng)平均項(xiàng)的參數(shù)分布不是很理想，則通過(guò)低頻序列減去自回歸項(xiàng)的預(yù)測(cè)值得到剩余項(xiàng)，重新對(duì)剩余項(xiàng)進(jìn)行估計(jì)，最后重組序列，研究結(jié)果