利用信息化手段增强铁路货运竞争力

在铁路货运营销工作中，要重点做好对货主进行分类，抓住市场营销与运输生产的结合点，加强货主档案管理等工作，并应利用信息化手段，构建铁路营销信息化平台，增强铁路货运竞争力。介绍了成都铁路局开发的铁路货运营销信息系统的基本功能及其在实际应用中取得的较好效果。     

融合感知差异的货代和货主选择行为异质性揭示

因角色和感知差异,托运人货运方式选择行为存在显著异质性,故以义乌至宁波出口集装箱内陆段运输通道的公路和铁路运输链为研究对象进行实证研究。通过意向调查采集托运人特征、货物特征和运输链特征数据,使用结构方程模型揭示其与表征感知差异的潜变量方便性和可靠性的关系,结果表明员工数、响应时间、短驳距离和准点次数与潜变量存在显著相关性。包含潜变量的分类模型说明货代和货主的选择行为显著不同:货代对铁路运输链时间变化最敏感,而货主则对可靠性变化最敏感;货代的时间价值是货主的3倍,而其方便性价值仅为货主的一半;铁路对货代的营销应侧重时间,而对货主的营销应侧重费用。     

呼和浩特铁路局货运营销管理信息系统

铁路货运营销管理信息系统是呼和浩特铁路局于2003年建立的面向"铁路跨越式发展"的大型综合铁路货运营销管理系统.系统工程将重点围绕货运营销业务的综合管理和可视化分析,以现有的贷票系统和贷运营销与生产管理系统(FMOS)为基础,对相关信息系统进行整合,结合Web-GIS技术强大的空间分析处理能力,分别建立路局级、站段级货运营销管理信息系统.系统实现了货运收入统计分析、货运吸引区电子地图、基于货运计划、货票和重点货主的营销分析等功能,并结合客户关系管理(CRM)理念,着重体现了对重点货主的营销分析.这一系统的建设将大大提高呼和浩特铁路局货运营销管理水平,为提高铁路运输企业市场开发能力提供强有力的手段.     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

湖南郴州市铁路货运营销分析与对策

介绍了郴州市境内交通运输的现状，分析了铁路货物运输工作中存在的矛盾，通过细分运输市场明确了铁路货物运输营销工作的主要对象，提出了树立大局意识、开展整体营销、建立以货主需求为中心的营销机制制等改善铁路货运营销工作的建议。     

BP神经网络在铁路运量预测模型中的应用

将神经网络中的BP算法应用到货运运量预测方面,对铁路货运运量进行了预测,并对该模型在预测时产生的误差进行了分析.目的在于提高铁路货运运量预测能力,实现铁路货运的合理运输.     

南宁局集团公司铁路货运营销大数据应用研究

为加强铁路货运营销信息化建设,构建基于大数据应用的货运营销新模式,从加强市场分析研判、强化客户关系管理、发展铁路现代物流、优化运力资源配置和提高货运收益管理等方面,分析铁路货运营销大数据。在阐述中国铁路南宁局集团有限公司货运营销数据应用分析的基础上,提出推进铁路货运营销大数据应用对策,即建立货运大数据应用平台、优化整合社会资源、优化内部运输组织、加强复合型人才队伍建设、优化货运营销机制、实施营销定制化服务,为构建基于大数据应用的货运营销新模式提供参考。     

基于铁路货运承运清算模式的竞争性一口价探讨

通过对铁路货运承运清算分析,结合铁路货运成本,通过测算铁路货物运输货运成本区间、变动成本区间及清算盈余区间,在实施竞争性一口价时,依据铁路货运线路的繁忙程度,得出相应的下浮区间。根据铁路货运绝对增量及相对增量的类型、货运增量比例或者货主要求下浮比例,合理计算另一比例的精确值,帮助铁路企业精准实施货运“竞争性一口价”,取得铁路货物运输竞争优势,实现货主获得实惠、铁路货运增量的双赢。     

基于大数据综合信息平台的铁路货运营销分析

充分利用铁路货运大数据,对于实现铁路货运业务的智能管理与决策,推进铁路货运向现代物流发展具有重要意义。为有效弥补传统营销模式的不足,分析铁路货运营销现状及存在的问题,提出在大数据时代应充分利用自身的数据资源。整合目前铁路现有的各种信息平台(系统)的信息资源,建设铁路大数据综合信息平台,设计铁路货运大数据综合信息平台的基本构架及营销系统的功能。最后,以中国铁路哈尔滨局集团有限公司为例,提出基于大数据的铁路货运营销方案,即优化营销手段、精准分析货运市场、改善客户关系管理、建立科学的定价模型、优化95306铁路货运电子商务服务系统,为决策部门制订营销策略提供依据。     

提高货运质量 满足货主需求

货物运输质量是铁路货运工作的综合评价指标,关系到铁路货运企业的形象、竞争力和效益.随着市场经济体制的建立,货运市场不断发生变化,货主对货运质量的要求也相应变化、提高,如何不断提高货运质量,保证货源,是铁路货运走向市场的一项重要工作.根据实际调查数据,从货主关心的问题出发,提出铁路提高货运服务质量的建议.     

部分预应力混凝土梁裂缝宽度应用BP网络计算的研究

本文利用BP神经网络模型,对部分预应力混凝土矩形截面梁裂缝宽度的计算方法进行了探讨。首先,通过理论分析,找出影响预应力混凝土梁裂缝宽度的主要因素,在此基础上,建立预测预应力混凝土梁裂缝宽度的优化BP神经网络模型。然后,针对所建模型,输入一定量的实测的预应力混凝土梁裂缝宽度数据样本,进行模型参数的训练和学习,利用人工元神经网络的特点,训练好裂缝宽度计算模型。仿真计算的结果表明,应用人工元神经网络方法,进行部分预应力混凝土梁的裂缝宽度的预测计算是可行的,而且与我国现行规范公式的计算结果相比,计算精度更高。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

BP神经网络在地铁运营安全评价中的应用

依据地铁运营安全评价体系及国家法律法规的要求,对于评价标准在实施过程中遇到的问题作了系统分析。建立了基于BP神经网络的地铁运营安全BP神经网络模型,系统提出了地铁运营安全BP神经网络的评价理论及其案例分析。理论分析和实践表明,BP神经网络模型计算结果合理、精度较高,在地铁运营安全评价中有很好的实用性。     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

粒子群优化的神经网络在齿轮故障诊断中的应用

针对BP神经网络容易陷入局部极小及收敛速度慢的问题,本文利用粒子群优化算法代替BP算法中的梯度下降法训练神经网络的权重和阚值,有效地改善了BP网络诊断性能;利用训练后的神经网络对齿轮进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果,通过仿真实验表明:无论是在诊断速度上还是在诊断精度上,PSO-BP神经网络诊断性能都比单独的运用神经网络有很大提高.     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于有限元及神经网络的土体参数反分析

针对采用试验得到的土体力学参数进行模拟计算的结果与实测数据偏差较大的问题,应用有限元与BP神经网络相结合的位移反分析方法,把计算的桩体侧向位移作为神经网络的输入,对应的土体力学参数作为网络输出,对神经网络进行训练.训练成功后,再利用现场实测的桩体侧向位移带入训练好的网络进行反分析,从而得到符合实际的土性参数值,结合某深基坑工程,通过实测值与计算值的对比验证了该方法的科学性.     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。