��·������Ԥ��ĸĽ�BP�����緽��

铁路货运量与其影响因素之间存在着复杂的非线性关系，传统的BP神经网络模型能对非线性系统进行很好的拟合，但模型的预测能力不强。通过单位根检验，可知铁路货运量及其影响因素的时序列数据是非平稳的。本文通过分析BP神经网络的传递函数对非平稳时间序列预测的不利影响，提出用差分法对输入数据进行预处理，在此基础上建立了铁路货运量预测的改进BP神经网络模型，并通过实例计算说明了这种改进BP神经网络方法对提高铁路货运量预测精度的有效性，最后利用该模型对2006—2O1O年的铁路货运量进行了预测。     

铁路枢纽内货运量的模糊预测

分析了铁路枢纽内影响货运量的因素，讨论了不同因素的数据处理方法，建立了预测货运量的模糊回归模型，并通过算例求解，对某铁路枢纽的货物发送量进行了预测。     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

基于GA-BP模型的铁路货运量预测

针对于目前已有铁路货运量预测方法的缺陷与不足,提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化,目的保证其预测精度.首先引用灰色关联分析法,以此来确定全国铁路货运量与其主要影响因子之间的关联度,然后按照其关联度在标准值之上的关联因子,建立GA-BP神经网络预测模型.最后通过实例分析表明,此模型预测精度及推广能力均优于传统的预测方法,从而证明该方法的可行性和有效性.     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

����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.     

基于改进 BP 神经网络的铁路货运量预测

在分析铁路货运量预测方法的基础上,针对标准BP神经网络的不足,提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度,以此来得到更好的激励函数响应特征以及更好的非线性表达能力;其次,利用附加动量因子,通过对以前经验的积累,既降低了神经网络对误差曲面的局部细节敏感特性,又较好的遏制了神经网络易于限于局部最小的缺陷;最后,采取改变学习率的方法,给定一个较大的学习率初始值,在学习的过程中学习率不断减小,网络最终趋于稳定。改进BP算法既可以得到更优的解,还能够缩短训练时间。利用全国铁路货运量的相关数据对改进BP神经网络进行了验证。验证的结果表明,改进的BP神经网络预测模型在相对误差和迭代次数上有较大改善,对铁路的货运量预测很有效。     

BP神经网络在新疆货运量预测中的应用

在分析货运量影响因素的基础上,利用BP神经网络建立新疆货运量时间序列预测网络结构模型.利用1995～2006年新疆货运量历史数据,对模型进行训练和拟合,再选用2007 ～2008年的历史数据作为网络模型检验样本,同时采用移动平均法、指数平滑法对新疆货运量进行预测,并对预测结果作对比分析.研究表明,采用BP神经网络预测新...     

铁路轮渡货运量预测方法研究

铁路轮渡在国内属于新生的一种运输方式，其货运量预测方法及对运量构成的划分方法尚无成熟经验可以借鉴，从综合运输的角度入手，对采用经济模型与产销平衡分析相结合预测铁路轮渡货运量的方法进行了探讨，并进一步利用该方法对铁路轮渡运量的构成进行了合理划分。     

神经网络模型预测运输货运量

从交通运输需求的角度描绘了交通运输需求与国民经济的一些主要经济变量的相关关系,基于这些相关关系建立了交通运输需求预测的神经网络模型,利用误差反向传播算法实现了由这些因素到运输系统需求的复杂映射。并进行了实例验证分析。     

铁路网最大货运发送量和流量分配综合优化研究

在高速铁路初步成网、既有线运输能力得到不同程度释放的背景下,本文研究了铁路网最大货运发送量和流量分配的综合优化问题.文中以增长后的铁路网货运需求量来描述货运发送量,构建了符合铁路运输车流组织特点的多目标优化模型.模型的目标函数包括货运发送量的最大化和不同货运发送量情形下的流量分配成本最小化.同时考虑了单股货流增长量上限、车流走行具有树形径路特点、非重复径路的数学逻辑表达等约束条件.最后,基于相同算例数据对所构建模型及既有研究文献中的模型进行求解试验,分别得到两种模型下的铁路网最大货物发送量和流量分配方案,通过对比求解结果,验证了本文模型的有效性.     

基于批量订购的铁路集装箱货运多等级运价研究

铁路集装箱货运发展迅速,在铁路货运中占比逐渐增大.当前铁路总公司没有针对 大批量订购采取优惠折扣,导致部分客户转向其他运输方式.针对这个问题,设计了多等级运 输价格策略来吸引大客户,建立了铁路集装箱货运收益最大的动态价格模型,求解出各订购 量对应的最优价格等级.本文以大朗到大红门的集装箱货运班列为例,求解出不同时刻各订购 量的最优等级运价.通过对比优化前后的结果,证明了该模型可以显著提高铁路集装箱运输的 收益.     

公路货运量预测的系统动力学模型构建

用系统工程的观点对公路货运系统进行了综合、动态的分析,在具体分析公路货物运输系统主要影响因素的基础上,分别构建了道路运输需求及供给的子系统动力学模型,该模型可以通过计算机进行模拟,进行公路货运量的预测。     

综合运输网络上多货类流量最短路分配

针对综合运输网络资源合理配置的需求,分析了综合运输网络上影响路径选择行为的用户偏好体系,并将其概括成客观类、主观类和调控类。在给出选择偏好在路径选择模型中的表达方法基础上,阐述了采用改进的最短路加载方法进行多货类运输流量分配的思路和执行流程,并面向可持续发展政策导向的运输网络规划,引入"诱导参数"对处于合理路径集中的联合运输路径进行优先选择。最后通过算例分析了不同"诱导参数"对双货类网络流量分布的影响,从政策调控的角度为综合运输网络宏观布局的评价模型提供理论参考。     

在电子商务环境下的整车货运业务的流程研究

随着我国基础设施的进一步完善,多种货物运输方式的出现对中国的铁路货运提出了新的挑战。当前我国铁路货运模式是在计划经济的背景下制定的,以货运计划为核心。这种货运模式与当前的铁路货运需求存在很大的差异,已经不能满足货物运输市场需求。本文应用电子商务的理论和技术,设计了适合电子商务环境下运作的铁路货运业务流程。作者通过对传统整车货运流程的分析,运用流程再造理论,对铁路整车货运的三个关键环节进行了作业流程优化研究,提出了电子商务模式下铁路货运整车业务办理流程。     

多运输方式竞争下的铁路快捷货运定价方法

不同运输方式存在运输价格、安全性、时效性和便捷性等方面的差异,这几个 因素决定了货物运输的广义费用.客户总是选择对自身来说广义费用最小的运输方式.快 捷货物运输是铁路近几年开发的货运新品种,在定价方面主要依赖个人经验,缺乏理论 依据.为此,本文研究了多种运输方式竞争下铁路快捷货物运输的动态定价方法,提出用 户广义费用最小化模型和双层规划模型,并通过呼和浩特至北京的货运数据比较了这两 种定价模型对定价及总利润的影响.结果表明,双层规划模型优于广义费用最小化模型.