基于主成分分析法的公路客运量预测模型分析

文章基于主成分分析的基本理论与模型,采用SPSS软件,对影响四川省公路客运量的相关因素进行主成分分析,克服多重共线性的问题,构建出四川省公路客运量预测模型。根据预测结果显示,该模型具有较高的精度,适用于影响因素指标较为明确的短期客运量预测,能够满足四川省目前公路客运量预测的需要,对四川地区的公路旅客运输发展也有着一定的指导作用,具有一定的科学性与有效性。     

基于SPSS主成分分析法在公路客运量预测中的应用

分析选取影响公路客运量的主要因素,基于SPSS统计软件对各因素进行主成分分析,将众多相关因素简化为少数不相关因素,消除由于变量过多导致的多重共线性影响,构建了河南省公路客运量预测模型。实例证明,该模型具有较高的精度,能够满足河南省公路客运量预测的需要。     

铁路客运量预测影响因素分析

因素分析是客运量预测的基础和前提,而铁路客运量的影响因素往往多元且复杂。本文通过整理归纳,最终选定了影响铁路客运量预测的4大类、15小类,共33个因素,分析了各种影响因素的因果关系,对影响客运量预测的建立了层次模型,确定了主次关系,选定了具体可行的测量指标。     

基于BP神经网络的绿色供应链优化研究

利用BP神经网络算法能够依据输入的参数和网络模型中影响因素的不同而输出不同信息的特性,可以对绿色供应链进行优化。为了提高企业的经济效益和绿色效益,从BP神经网络绿色供应链模型、试验数据验证及模型仿真等视角对基于BP神经网络的绿色供应链优化展开研究,对相关问题有一定的参考意义。     

基于组合预测模型的铁路客运量预测研究

为提高铁路客运量的预测精度,对组合预测模型的权重分配方法及组合方式的预测效果进行研究。综合考虑预测误差及其均方差的影响,构建基于Logit模型的权重分配模型以解决组合预测模型的权重分配问题,并提出模型求解算法。以北京市铁路客运量预测为例,研究BP神经网络、霍尔特线性趋势指数平滑法和ARIMA模型的多种组合方案的预测效果,并验证基于Logit模型的权重分配模型的优势。研究结果表明：线性与非线性预测模型组合的预测精度优于线性与线性预测模型的组合,其中,B-H-A模型的组合预测效果最好,误差低至0.606%。另外,通过与等分权重法对比,基于Logit模型的权重分配模型赋值的权重能提高组合预测模型的预测精度,且适用性更好。     

基于GM(1,N)及神经网络的崇左铁路货运量预测

运量的预测是崇左地区铁路及物流业规划极其重要的依据。文章基于对崇左地区铁路运量影响因素的分析,利用灰度GM(1,N)预测模型对铁路运量上限进行预测,并建立BP神经网络预测模型对近年来崇左地区的铁路货运发生量进行预测,得到2014年铁路货运预测发生量及货运量上限。预测模型与实际数据拟合程度极高,且模型稳定,可根据模型及2015年规划基础数据对崇左地区铁路运量进行稳定预测。     

改进BP神经网络在边坡稳定性分析中的运用

文章基于BP神经网络的传统算法,提出了数据归一化的BP神经网络改进方法,并结合网络应用案例,通过选取影响边坡稳定性的几种自然因素,利用BP神经网络的非线性映射能力计算得出边坡的稳定安全系数,同时与传统分析方法的计算结果进行对比分析。结果表明,该改进方法能够满足一般边坡工程的稳定性评价要求。     

自适应神经网络在公路客运量预测方面的应用

针对城市公路客运量具有模糊、不易预测的特点,采用自适应神经网络模型,选择适当的参数,分析城市公路客运量与人口、GDP之间的关系,并利用它们之间的关系对城市公路客运量进行预测,取得了比较好的结果.     

云南省民航客运发展预测

民航运输是云南省在进行综合交通运输建设的重点之一,也是该省在未来"十四五"(2021-2025年)和"十五五"(2026-2030年)规划期间的研究热点。本文以云南省为研究范围,以省内民航客运为研究对象,选取省内主要的社会经济因素为影响因子,运用主成分分析法(PCA)、反向传播神经网络算法(BP神经网络算法)和回归分析法,构建了省内民航客运的预测模型,得出省内各主要机场在"十四五"末和"十五五"末的预计旅客吞吐量,对省政府在进行机场改扩建上有一定的指导意义。     

灰色BP网络串联式组合模型在铁路客货运输量预测中的应用

针对铁路客货运输量发展趋势的研究,建立一种基于灰色理论和BP神经网络的串联式组合预测模型。该模型首先用同一组数据序列建立不同参数的灰色方程,然后用各灰色方程分别预测,最后将各灰色方程预测的结果进行BP神经网络非线性组合,形成串联式组合预测模型。对湖南省铁路客货运量进行分析预测,结果表明:该组合模型预测的准确性高于单独使用灰色模型的准确性,是一种可靠有效的预测方法。