基于灰色线性回归模型的哈尔滨铁路枢纽客运量预测研究

客运量是铁路客运枢纽规划的基础,准确掌握铁路客运量的发展规律,可为铁路枢纽制定运输计划与线路改造等提供参考依据。由于铁路客运系统是一个信息不完全的灰色系统,在进行客运量预测时,将灰色预测模型与线性回归模型结合,消除单一模型在预测过程中产生的较大误差,使模型更加灵活、预测数据更加准确。采用该模型预测哈尔滨铁路枢纽客运量,对模型精度进行评价检验,验证结果表明:评价指标方差比与小误差概率均为第一等级,评价检验结果为优,预测结果可靠。     

RBF神经网络在铁路客运成本预测中的应用

铁路运输客运成本指的是铁路运输企业为了完成客运运输作业在运输过程中所耗费的一切费用的支出,包括运输生产过程中生产资料的消耗和劳动力的消耗。合理地控制铁路运输成本可以有效地提高铁路运输企业的管理水平、经营状况等。可见,选取符合具有铁路成本特点的预测方法准确地对运输成本进行预测具有重要的意义。通过对铁路客运成本的影响因素进行分析,选取主要影响因素并结合RBF神经网络超强的学习能力和适应能力建立铁路客运成本预测模型进行预测。最后,通过案例分析得到RBF神经网络对客运量成本具有很好的预测性。     

运输通道客运量预测方法

运输通道是指在一个运输带状地域内,由多种运输方式通过合理分工组成的客货流密集走廊。其客运量的预测是运输通道运力资源配置的一项重要基础工作。在对运输通道客运量影响因素进行定性分析的基础上,运用灰色关联度理论对各影响因素的关联度进行定量计算,筛选出主要影响因素。构建基于多影响因素的BP神经网络模型对运输通道客运量进行预测,并以柳南客运专线所处的柳南运输通道客运量预测为实例对所提出的预测方法进行检验和客运量预测。     

铁路客运量分析探讨

我国铁路长期以来运能短缺,铁路客运量增长受到制约,导致铁路客运市场份额呈现持续下降的态势。分析铁路客运量运距构成表明,铁路在中长途运距的客运市场中具有绝对优势,但大部分铁路客运量的运程在500km以下,运程仅200km以下的占40%以上。因此,加快城际铁路建设进程,提高铁路在客运的市场竞争力,不仅是铁路自身生存发展的需要,更是全面建设小康社会的必然需求。     

基于GM—周期扩展组合模型的铁路客运量预测

铁路客运量的准确预测对我国铁路建设项目投资和决策具有重要意义。由于铁路客运量预测系统本身是一个信息不完全的灰色系统,因此,可以通过建立(灰色)GM-周期扩展组合模型对铁路客运量的非线性动态变化进行预测。该模型运用灰色预测理论GM(1,1)与周期扩展模型结合,不但可以进行客运量的趋势预测,同时也可以充分考虑铁路客运量的周期波动性这一特征。最后,结合具体的实例验证说明该模型是科学合理的,预测值与实际值较吻合。     

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。     

发展我国铁路短途旅客运输的策略

立足我国铁路短途旅客运输市场发展状况,就客运量变化、旅客运输需求特点、客运周转量、运输收入、运输距离增长变化等进行分析;将国外铁路与我国铁路短途客运运价水平进行比较,并计算我国铁路近年客运量的价格弹性;介绍国外铁路发展短途旅客运输营销方式与策略,提出我国铁路短途旅客运输发展建议。     

重庆新客站—江北客站的设计概述

本文对重庆枢纽客运设备的现状及存在问题进行了分析，并从枢纽的总体设计布局和城市总休规划出发，对江北第二客站的选址、作业分子、客运量、客运设施等作了简明阐述。     

多线引入后泸州枢纽客运布局研究

针对泸州铁路枢纽现状及存在问题,规划年度的铁路网构成,在对其客运量进行预测及客流特点分析的基础上,设计了泸州站高速普速共站分场和新建泸州西普速客运站方案两套方案,确定了枢纽客运系统布局、作业分工,经过方案分析比选,推荐泸州站高速普速共站分场方案。     

沈丹铁路客运专线客流预测

以沈丹客运专线为研究对象,采用四阶段法将客运量分为中长途趋势客运量、城际间客运量和长途客流转移诱增运量,然后分别进行预测,使客运量更加接近设计年度实际运量。预测结果对沈丹客运专线建设标准的确定、建成后运营具有重要意义,本线运量预测方法也供其他兼顾城际功能的客运专线运量预测做参考。