基于径向基神经网络的铁路货运量预测

货运量预测是铁路运输部门一项重要工作,因此,关于铁路货运量预测理论和方法的研究一直是一个热点。但是,铁路货运量受多种因素影响,且各因素的作用机制通常不能或无法用精确的数学语言来准确描述。本文采用径向基函数(RBF)神经网络对货运量进行分析及预测。通过对1989~2002年全国铁路货运量的历史数据分析处理后,得到铁路货运量增长量的时间序列,将时间序列视为一个从输入到输出的非线性映射,引入RBF神经网络来进行非线性映射的逼近。对网络进行学习与训练仿真实验后,用2003~2004年的增长量进行模型检验,并与BP神经网络、灰色预测模型预测结果进行对比,结果表明,应用RBF神经网络对铁路货运量进行短期预测预测精度更高、效果更好。     

对铁路客运服务标准化的研究

铁路运输企业作为向旅客提供运输服务的经济实体，要以“铁路运输服务”作为铁路的旅客运输产品来满足旅客的需要。因此要对其制定相应的产品标准（服务规范），对铁路的客运服务质量进行衡量。本文就铁路旅客运输服务标准制订的必要性和制订过程进行了分析，提出了对制订服务标准体系的意见     

基于Verhulst-RBF的铁路客运量预测

为更准确地预测铁路客运量,采用灰色关联法,分析不同因素对铁路客运量的影响程度,确定主要影响因子,并将其作为预测指标,提出基于Verhulst-RBF神经网络的铁路客运量预测组合模型。基于四川省近14年的铁路客运量数据,进行组合模型测试。实验结果表明,Verhulst-RBF神经网络组合模型的预测精确度高于单一的Verhulst模型或单一的RBF神经网络模型。     

作业成本法在铁路运输企业中的应用

传统运输成本计算方法不能在客货运企业之间合理地分摊共同成本,并导致成本信息失真,难以准确为铁路运输收入的局间清算服务。基于成本动因理论的作业成本法应用于铁路企业是点到点的成本计算方法,但成本分配仍存在不合理性。全成本一作业成本法将铁路客运企业的所有成本全面反映为作业成本,首先将运输费用分配到同质的作业成本库,并计算每一个成本库的分配率,然后利用作业成本库分配率,把制造费用分摊给单列客运列车。作业成本法注重间接费用的归集与分配,使成本核算更准确,从而使铁路运输企业经营决策更加合理;并且由于其关注成本发生过程,促使企业关注“增值作业”;同时在作业中心的基础上建立客运成本责任中心,从而加强内部成本管理。     

铁路客流总量预测方法研究

客流预测是铁路运输进行运力布局,产品调整的重要基础。预测的科学性、精确度将直接影响运输生产,因此努力提高客流预测的精度与可用性,是目前运输学科的一个热门研究领域。本文提出基于历史与预售的时间序列（HAP）预测方法对铁路客运中、短期客运总量进行预测分析,以预测铁路客流总量,控制预测误差。经过实际应用,验证了该方法的科学性和合理性。     

内燃机车运用燃油成本控制激励机制的研究

铁路内燃机车的燃油消耗在铁路运输运营成本中占有相当大的比例机车能耗管理是内燃机车运用成本控制的关键之一;降低燃油成本是降低铁路运输运营总成本的有效手段,也是提高铁路企业经济效益的重要途径通过分析内燃机务成本结构与影响因素,指出在机车性能和牵引条件一定的情况下,乘务员的操作水平和状态是影响燃油消耗的主要因素?基于此,以激励理论为指导,构建了基于内燃机车燃油耗用成本控制的激励机制,并着重对机务部门如何有效应用激励机制来鼓励乘务员节油提出了若干建议。     

《铁道学报》2007年报道重点

根据铁路科技发展计划及科研进展情况,本刊重点征集及选登具有以下内容的原创性学术论文及综述。铁路运输及经济:运输组织方式和运营管理模式;市场经济条件下的运输组织与管理;铁路运输成本的核算及收入清算;列车运行图的计算机联网编制;铁路重载运输组织;高速铁路或铁路客运专     

铁路客运服务水平综合评价指标体系的研究

铁路客运服务水平综合评价指标体系是基于“无缝运输”的理念，以实现全过程服务、高效率服务为目标，通过分析旅客运输的各个环节和外部环境，从运输产品、运输过程、联合运输、形象服务4个方面对影响铁路客运服务质量的因素进行研究，建立了铁路客运服务水平综合评价指标体系。在此基础上，利用灰色关联分析方法，结合实际调查数据进行了案例分析。     

基于多因素的铁路货运量BP神经网络预测研究

在对铁路运输影响因素进行定性及定量分析的基础上,选取了国内生产总值、第二产业比重、原煤产量、原油产量等10个指标作为影响因素,运用BP神经网络模型构建它们与铁路货运量之间的复杂映射,从而对铁路货运量进行预测,并以近12年铁路货运量为实例进行验证。     

中国铁路运输效率研究——基于网络DEA-RAM模型的视角

为研究我国铁路运输效率现状并为其提高效率提供理论指导,针对现有铁路运输效率分析未充分考虑投入产出松弛性和非期望产出对效率的影响,构建铁路运输效率评价指标体系,将铁路运输过程拆分为铁路客运服务过程、货运服务过程及运输经营过程,提出了一类网络DEA测度模型。测算2003~2012年中国铁路运输网络效率及各子过程的技术效率。结果表明:我国铁路运输系统的客运和货运服务子过程的效率总体上较理想,但是运输经营子过程效率偏低,影响了铁路运输的整体网络效率。相比传统的DEA模型,网络DEA模型可以更好地确定铁路运输无效率的源头,为铁路部门决策者制定相关的改进措施提供了理论依据。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

基于客运大数据平台的铁路客流预测系统

客流预测是铁路路网规划、线路及场站设计、铁路运营等工作的重要基础.针对多层面、不同类型、不同时期的铁路客流预测业务需求,依托铁路客运大数据平台,构建铁路客流预测系统,能够在同一系统平台上完成客流预测方案的测试、评价和规范化应用.该系统集成各类客流预测算法模型,可充分利用历史售票数据,并考虑年度、季节、星期、时间、节假日...     

浅论京九线电气化改造的必要性

研究目的:京九线作为我国南北运输的主要通道,在路网中的作用举足轻重。对京九线实施电气化改造,进而提高全线的通过能力,进一步适应客货运输的发展需求,提高铁路在运输市场的综合竞争力。研究方法:从京九线电气化改造对提高既有运输能力;在我国中东部大能力南北向铁路运输通道体系的战略意义;助推东部地区电化成网,充分发挥路网效应,实现铁路跨越式发展;延伸铁路客运专线网络触角;降低铁路运营成本、提高铁路经营效益;贯彻我国能源政策,实施可持续发展战略等6个方面的深入探讨,论证京九线电化改造的可行性和必要性。研究结论:京九铁路现有运输能力和服务质量均不能适应研究年度客货运输发展的要求,必须对其进行电气化改造,应及早实施。     

基于EMD的SVR方法在铁路客流预测中的应用

客流预测是铁路客运运营管理的重要依据,铁路客流具有非线性、非平稳的特点,传统预测模型很难得到满意的结果,因此利用经验模态分解(EMD)方法对客流进行自适应的分解,利用支持向量回归机(SVR)对固有模态函数(IMF)进行预测,建立基于EMD的SVR铁路客流预测模型。利用Matlab对SVR预测、BP神经网络预测和基于EMD的SVR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22%、25%和13%。结果表明,基于EMD的SVR方法的预测精度明显高于另外两种预测方法,能够有效地提高铁路客流预测准确性。     

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。     

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。     

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。