组合预测方法在我国铁路客流预测中的应用

科学准确地预测铁路客运量是制定铁路网规划的基础。目前,运量预测的模型很多,单一模型并不能完全反映运量的变化规律和信息,因此,应采用Box-Jenkins模型和灰色预测模型相组合的预测模型方法对我国的铁路客运量进行预测,结果表明,组合预测模型能够提高我国铁路客运量的预测精度。     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

基于GM(1,1)模型的交通客运量发展预测

采用灰色系统理论中的GM(1,1)模型,选取2001~2005年我国客运运量数据,分别建立了铁路、公路和民航客运周转量的预测模型,经检验,模型精度等级较高。应用所建模型进行了2006~2010年客运周转量预测,并对照2006年实际运量数据,证明预测结果精度较高。最后讨论了GM(1,1)预测模型在运量预测实际应用中的指标选取、模型检验和应用范围。     

灰色马尔可夫模型在公路运量弹性系数预测中的应用

针对公路运量预测中弹性系数随机波动性较大的问题,结合灰色模型可以揭示预测数据的发展趋势以及马尔可夫预测适合描述随机波动性较大的预测问题的优点,建立了公路运量预测中弹性系数的灰色马尔可夫预测模型;用该模型对北京市公路客运弹性系数进行预测,验证了模型对公路运量中弹性系数进行预测的合理性。研究结果表明,灰色马尔可夫预测模型能够较好地提高公路运量预测中弹性系数的预测精度,对于提高公路运量预测精度具有重要意义。     

铁路集装箱短期运量预测方法分析

集装箱运输作为一种先进的现代化运输方式,不仅能加快货物送达的速度,减少运输成本,还具有运送安全、手续简便,便于实现多式联运和"门到门"运输服务的特点,通过分析常用预测模型的原理与方法,论述铁路集装箱运量的预测方法,得出较合理的灰色-广义回归神经网络组合预测的方法。因此,该方法对运量预测研究和分析具有理论意义。     

灰色预测模型GM(1,1)及其在交通运量预测中的应用

讨论了灰色预测模型以及灰色预测模型在交通运量预测中的应用．建立了基于灰色预测理论的GM(1，1)模型，叙述了运用GM(1，1)模型进行预测的详细步骤，并用其分别对货物周转量、旅客周转量进行了预测，预测结果是可信的．     

哈大客运专线长大段趋势客运量预测

为了确定车站等级,配置设施,布置列车运行图.趋势预测是客运专线的运量预测的重要组成部分,也是其它预测阶段的基础.本文选择灰色预测法,根据2003～2008年的客运量数据建立灰色预测模型,通过预测可知长大段主要车站的趋势运量呈显著性增长.建议加大主要车站基础设施建设,完善服务体系,以满足客运量的快速增长.     

哈大客运专线长大段趋势客运量预测

为了确定车站等级,配置设施,布置列车运行图.趋势预测是客运专线的运量预测的重要组成部分,也是其它预测阶段的基础.本文选择灰色预测法,根据2003-2008年的客运量数据建立灰色预测模型,通过预测可知长大段主要车站的趋势运量呈显著性增长.建议加大主要车站基础设施建设,完善服务体系,以满足客运量的快速增长.     

背景值优化的灰色马尔科夫模型在铁路客流预测中的应用

以提高铁路客流预测精度为出发点,通过对传统的灰色模型进行分析,采用积分的数学思想对灰色预测背景值进行优化.结合马尔科夫预测模型的优点,运用马尔科夫对优化后的灰色预测模型误差进行修正,提高了预测模型的精度.以我国铁路客流预测为实例,通过对预测模型的预测结果的对比研究,验证了模型的有效性.     

铁路客流量预测分析与研究

铁路客流量预测与分析对铁路部门采取有效的应对措施具有十分重要的意义,分别应用基本的神经网络和遗传算法优化BP神经网络对客流量进行了预测,建立铁路客流量网络预测模型.分别利用以前客流量的数据对2011年和2012年的客流量做了预测验证,并对2013年的客流量做了预测,结果表明利用遗传算法优化BP神经网络得到的预测数据和实际的基本相符,该预测算法应用到客流量的预测中效果良好,具有很好的应用和推广的前景.     

呼和浩特至张家口客专本线客流预测研究

随着社会经济的快速发展,我国铁路客运业也得到迅猛发展。铁路客运量的预测是运能分配、产品设计以及制定营销策略的基础。使用我国铁路客流预测普遍采用的“四阶段”预测法对新建呼和浩特市到张家口市本线客流进行预测。在有无呼和浩特至张家口客运专线的情况下,首先,使用重力模型对本线直接客运需求进行预测;其次,使用logit模型对直接需求进行运输方式分配;最后,在有呼和浩特至张家口客运专线的情况下对产生的转移运量和诱增运量分别进行计算。计算结果证明,呼和浩特至张家口客运专线对于本线旅客出行影响较大,结论可为本线旅客列车开行方案制定提供依据。     

组合预测模型在铁路货运量预测中的应用

货运量预测是铁路运输规划的基础,单一预测方法很难准确有效地进行运量预测。探讨组合模型在铁路货运量预测中的应用,以全铁路货运量及社会经济发展状况为样本,对未来铁路货运量进行预测。实证预测结果表明：组合预测模型能有效综合各模型的有用信息,从而提高模型预测精度,与单一模型相比,该方法具有较好的实用价值。     

改进SVR及其在铁路客运量预测中的应用

为了提高铁路客运量现有预测方法的预测能力,用训练样本与测试样本间的马氏距离对惩罚因子进行加权,对传统的支持向量回归机(SVR)进行了改进,在此基础上提出了基于改进SVR的铁路客运量时间序列预测方法.以1980~1998年铁路客运量预测为例,对SVR方法和BP人工神经网络(BPANN)方法进行了比较,结果表明,SVR方法能获得更准确的预测结果.     

基于数据预处理的铁路客运量灰色预测模型

铁路是国家的基础设施,对铁路的客运量进行准确地预测具有重要的理论意义和实际应用价值。首先对传统预测方法进行了分析,指出它们在运量预测中的不足,进而提出应用灰预测进行运量预测的优势。结合滑动平均法对灰预测方法进行了改进,同时考虑初始条件的改变。在预测2006-2010年全社会客运总量的基础上,根据铁路客运在各种运输方式中所占的份额预测2006-2010年的铁路客运总量。     

Prediction of Railway Passenger Traffic Volume

The current situation of the railway passenger traffic (RPT) andthe traffic marketing is analyzed. The grey model theory is adopted to establish a prediction model for the railway passenger traffic volume (RPTV). The RPTV from 2001 to 2005 is predicted with the proposed model, and a few suggestions are put forward.     

对我国高速铁路客运量预测的探讨

分析了客运量的影响因素、铁路客运在全国客运市场的地位,提出在市场经济条件下高速铁路客运量的预测方法,即先预测整个客运市场的客运量,再根据高速铁路在客运市场的地位和作用确定其客运量。最后给出一个例子对此予以说明。     

基于IWOGA算子的公路客运量组合预测模型

客运量预测是进行公路网规划的必要环节和计算公路经济效益的基础。为了提高公路客运量的预测精度,在现有客运量预测模型基础上,采用IOWGA算子将三次指数平滑、GM（1,1）预测和BP神经网络结合起来,建立组合预测模型,并以全国公路客运量为例,验证预测结果的精度。分析计算结果,将该模型所得结果与其它常用方法相比,与实际客运量之间相差较小,预测精度较好,可以作为预测公路客运量的有效方法。     

最小二乘支持向量机在公路交通客流量预测中的应用

交通客流量预测是交通规划的重要内容,对于交通规划具有重要意义。利用最小二乘支持向量机理论,建立交通客流量预测模型,通过与BP神经网络预测模型实验结果进行比较,验证了其在交通客流量预测中的有效性。