基于经济周期的铁路货运量神经网络预测研究

针对现有铁路货运量预测方法存在较大突变性误差的问题,提出经济周期阶段参数的概念,将经济周期量化后作为一个输入因素提供给神经网络模型,用以学习记忆经济波动情况,建立基于经济周期的Elman神经网络预测模型,并以我国1992～2008年铁路货运量为实例对方法进行检验,与BP神经网络预测结果进行对比。实例表明,该方法有效减小突变性误差,预测精度较高,Elman神经网络在进行动态系统预测时效果更佳。     

基于层次—灰色关联度分析的煤炭装车点选择

针对未来大秦线运量增加和呼和浩特铁路局煤炭装车点现状,建立万吨煤炭装车点评价指标体系,运用层次分析法和灰色关联度分析对呼和浩特铁路局现有煤炭战略装车点进行综合评价,从中选择适宜改造的煤炭装车点。