我国铁路铁矿石运输发展探析

为稳定铁路铁矿石货源,扩大铁路铁矿石运输市场份额,在阐述我国铁矿石供应概况基础上,结合我国铁路铁矿石运输现状,分析我国铁路铁矿石运输格局,探讨铁路铁矿石运量影响因素,基于灰色关联度法分析确定各影响因素对铁路铁矿石货运量的影响程度,从合理制定运价、加快发展铁水联运、加强市场监测、完善定制化产品等方面提出铁矿石运输优化策略,为提升我国铁路铁矿石运输市场竞争力,巩固我国铁路铁矿石运输市场份额提供参考。     

基于灰色关联分析的LS-SVM铁路货运量预测

为提高对铁路货运量的预测精度及建模速度,在分析货运量影响因素基础上,提出基于灰色关联分析的LS-SVM铁路货运量预测方法。将货运量影响因素分为社会需求与铁路供给两方面因素,采用灰色关联分析法对两方面因素与货运量进行相关性分析,根据灰色关联度值,结合定性分析筛选LS-SVM输入变量,简化LS-SVM结构,再通过随机权重粒子群(SIWPSO)算法优化选择LS-SVM模型参数。通过对我国1980～2009年铁路货运量实例分析表明:该方法具有较快的收敛速度和较高的预测精度。     

我国铁路货运量影响因素探析

对铁路货运量的影响因素进行分析有助于铁路运输企业把握铁路货运量的演变规律,制定符合市场需求的运输计划。通过灰色关联分析法分阶段探究我国铁路货运量与国民经济活动、综合交通运输体系统计指标的关联程度,并用ARDL模型实证分析铁路货运量与代表性影响因素的长期影响关系。灰色关联分析结果表明,2004—2011年我国铁路货运量主要与铁路基础设施能力和第二产业经济的发展密切相关,2012—2017年主要与煤等矿产品的生产与消费、公路货运竞争密切相关。ARDL模型结果表明,2004—2017年铁路货运量对煤炭消费总量的变化最敏感,其次是工业增加值和GDP,随后是居民消费水平,铁路货运运价对铁路货运量的长期影响程度最小。经比较,基于工业增加值的ARDL模型对铁路货运量的预测精度较高。     

铁路货运量的内部影响因素及其敏感度分析

针对铁路货运量的主要13项内部影响因素,以2004~2014年间11年的铁路运输指标统计数据为训练样本,采用BP神经网络建立这些因素与货运量的映射关系,再根据该映射以权积法求解货运量对各因素的敏感度系数,从而定量计算出各项因素对铁路货运量的影响程度。研究结果表明:国铁正式营业里程、货车保有量、货运密度和货车机车平均牵引总重这4项因素对货运量的影响要显著大于其他因素,若需在货源充足的情况下提高货运量,则以上4项因素是需要着重优先考虑的因素。     

铁路货运量预测研究综述

为获得准确的铁路货运量预测,提升铁路货运组织效率,提高铁路物流规划的前瞻性。首先,分析铁路货运量影响因素研究现状,探讨新形势下铁路货运量影响因素的变化;其次,将应用于铁路货运量预测领域的方法分为基于统计学的传统预测方法和基于机器学习的智能预测方法两类并进行应用分析,着重对比梳理智能预测方法的改进方式、改进原理、改进效果和适用场景,从单一模型在数据预处理、参数选取、结构优化方面改进,不确定因素、动态性因素影响下组合预测模型构建和改进,海量、高维度、异构数据下铁路货运量预测的实现3个方面探讨铁路货运量预测领域需进一步研究的方向;最后,基于研究现状和发展特征,指明了铁路货运量预测领域的潜在研究热点和难点,以期为铁路货运组织和运营提供参考。     

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。     

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。     

灰色预测算法在铁路货运预警系统中的应用研究

在阐述铁路货运量形成原因的基础上,针对货运量变化情况,分析产业结构、能源政策、竞争与替代关系、运输结构、运价水平等铁路货运量主要影响因素,提出采用灰色预测算法对铁路货运量进行预测,在此基础上建立灰色预测模型,应用灰色预测算法分品类预测东北地区短期铁路货运量,将预测结果与回归预测算法、移动加权平均预测算法的预测结果进行比较分析,最后将该预测算法应用于铁路货运市场监测系统的货运市场预警子系统中,结果达到客户预期满意度。     

铁路货运量影响因素分析及对策研究

结合近年我国主要经济发展趋势,从宏观经济、居民生活水平及进出口贸易,电力行业及发电形式,煤炭、钢铁行业影响,金属矿石行业影响等方面分析影响铁路货运量的外部因素,以及铁路路网、铁路运输装备水平、体制改革、铁路运能、运价等影响铁路货运量的内部因素,以扩大铁路运量为目标,提出大宗货物采用精细化组织模式、既有线开行重载列车、全面构建铁路货运物流体系、逐步完善铁路快速货运产品等措施建议。     

基于灰色预测-马尔可夫链-定性分析的铁路货运量预测

科学的货运量预测对铁路发展战略的制定具有十分重要的意义。分析以往对铁路货运量预测的相关文献及其预测精度,并分析影响预测精度的因素,定量分析与定性分析相结合有利于提高预测的准确性。采用灰色预测-马尔可夫链-定性分析相结合的方法对铁路货运量进行预测,经分析表明:灰色模型预测结果精确度受原始数据变化幅度的影响较大,通过马尔可夫链修正,预测结果得到较大改善;由GM(1,1)预测值及马尔可夫状态转移下的最大概率可知铁路货运量的发展趋势;"十一五"期间铁路货运量增长速度将放缓,但仍将保持较高的增长率。     

浅谈影响铁路货运量的主要因素及铁路货运发展战略

根据铁路现存的问题 ,从体制、产品、价格、服务等方面分析了影响铁路货运量的主要因素 ,进而从货运体制改革、发展代理制、新价格体系的建立、运输产品的新意几方面提出了铁路货运发展战略。     

铁路货运量预测风险分析及概率树评价法的应用

对铁路货运量预测中的风险因素进行分析,阐明货运量预测风险分析的意义。介绍铁路货运量预测的风险分析方法主要有定性分析法与定量分析法,讨论定量分析法之一的概率树评价法在控制铁路货运量预测潜在风险中的应用,通过算例说明利用概率树评价法能够有效降低各种不确定因素带来的预测偏差。     

关于铁路货运组织改革的思考

针对宏观经济放缓、铁路货运产品不适应市场、其他运输方式对铁路核心竞争力的冲击等因素导致铁路货运量下滑的实际,分析铁路货运组织改革在货运受理方式、运输组织方式、货运收费、"门到门"运输?4?个方面取得的成效及需要解决的问题,提出以客户选择物流方式的价格、时效和服务?3?个要素为核心,探讨铁路货运组织改革的主要方向,即建立基于效益成本分析的运价体系、发展铁路城际快运物流网络、完善铁路物流节点服务功能。     

大连港太平湾港区铁路总体规划研究

从港区规划和临港经济区规划2个方面阐述太平湾港区概况,分别从太平湾港铁路货运量、太平湾临港经济区铁路货运量和太平湾港区铁路货运量3个方面预测太平湾港区铁路货运量,研究太平湾港区铁路总体规划的思路及原则;从港区内部铁路走向和区域内部车站设置2个方面提出太平湾港区铁路总体规划方案,以满足太平湾港对铁路运输的需求。     

新冠肺炎疫情对铁路货运的影响及对策探讨

2020年初的新冠肺炎疫情对供应链上下游企业影响的波及,导致全社会货运量均受到不同程度的影响.在分析疫情对铁路货运量的影响基础上,针对货运总体需求下降、运输组织效率有待提高、营销激励机制有待加强等问题,通过畅通信息渠道、快速应对市场需求变化、建立"互利共赢"合作机制促进企业复工复产,通过加强运输组织、优化货运产品结构提...     

基于GRA-PCA-GA-BP网络模型的铁路货运量预测分析

科学预测铁路货运量能够为我国铁路政策的制定、铁路货运相关规划的出台提供决策支持,对促进我国铁路货运向现代物流转型具有重要意义。为保证铁路货运量预测精度,在数据样本较少且数据波动较大时,提出基于GRA-PCA-GA-BP网络模型进行铁路货运量预测的方法。利用灰色关联分析和主成分分析对影响铁路货运量的输入指标进行预处理,再利用遗传算法优化取得BP神经网络的权值和阈值,进而求得更为准确的铁路货运量预测值。通过实例分析验证,GRA-PCA-GA-BP网络模型有效、可靠,具有较高的预测精度。     

厦门前场铁路大型货场规模建设的探讨

在概述厦门前场铁路大型货场的基础上,通过分析前场吸引的物流对象,利用弹性系数模型预测厦门前场铁路大型货场的货运量。根据预测的分品类别货运量,计算前场货场内各作业区的用地规模;从加快主要设施配套建设、加强物流业务组织方面,提出厦门前场铁路大型货场建设的建议。     

北京公铁货运交通结构演进探析

为提高北京货运发展质量,在阐述北京公铁货运量比例变化、货物周转量比例变化和里程变化等交通结构演进概况的基础上,从政策、资源结构、经济发展、交通科技进步、技术经济性和固定资产投资等方面分析北京公铁交通结构演进影响因素,采用层次分析法计算影响因素权重,并运用灰色关联度分析法对影响因素进行进一步分析.结果 表明,北京公铁货运...     

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。     

基于Rough Set理论的铁路货运量预测

利用Rough Set理论通过对数据进行分析和推理发现隐含知识的优点，在结合该理论与铁路货运量预测要求的基础上，提出一个基于Rough Set理论的铁路货运量预测流程；合理选择统计指标并将相关原始数据代人预测流程涉及的各步骤后，得出预测我国铁路货运量发展水平的规则集；利用该规则集预测了“十五”期间我国铁路货运量的发展水平；该规则集有望在我国“十一五”规划的制定中发挥一定的参考作用。