优化GM(1,1)与SVM组合模型的路基冻胀预测应用

基于非等时距GM(1,1)优化预测模型,采用支持向量机进行预测残差修正,建立一种组合预测算法,并运用该算法对铁路路基冻胀进行定量预测。对经典非等时距GM(1,1)模型背景值和初值的计算方法进行优化,同时设置时距权值矩阵,对不同时间测量所得数据赋予不同权重。在初始预测后,对残差值采用支持向量机进行非线性修正,得到最终预测值。选取哈大客专某区段实际测量路基冻胀数据,对算法实用效果进行检验。所建立预测模型平均预测误差值为2.039%,最大预测误差5.911%,后验证差比值0.005,各项指标均优于单一灰色模型与文献[6]中建立的组合预测模型,实现了对铁路路基冻胀的较高精度定量预测。     

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。     

基于最小二乘支持向量机的高速铁路路基沉降预测

高速铁路路基的施工环境复杂,沉降监测数据往往是不等时距的.鉴于最小二乘支持向量机拥有强大的非线性拟合能力,使用最小二乘支持向量机建立沉降与时间的关系函数,以等时间步长插值得到路基的等时距沉降时间序列,建立基于最小二乘支持向量机的高速铁路路基沉降预测模型.分别运用给出的预测模型和BP神经网络与灰色理论联合方法对杭甬铁路客运专线上虞北站5个路基沉降监测断面进行路基沉降预测,并与现场实测数据对比.结果表明,短时距的最小二乘支持向量机预测模型比BP神经网络与灰色理论联合方法的预测精度高,预测结果更稳定,外推预测沉降更可靠.     

基于SAHDE-RVM的铁路短期风速预测研究

针对铁路短期风速预测方法中人工神经网络(ANN)易陷入局部最小值、支持向量机(SVM)核函数选择困难等缺陷,提出采用一种基于自适应混合差分进化相关向量机(SAHDE-RVM)对铁路短期风速进行预测研究。首先,改进自适应差分进化算法,引入模拟退火算法对种群的当前最优个体进行二次寻优,形成自适应混合差分进化算法,然后将自适应混合差分进化算法与相关向量机结合,建立自适应混合差分进化相关向量机模型,最后利用本文模型对国内某两段不同铁路沿线实测风速数据进行预测,预测结果表明,本文模型的预测指标均优于传统差分进化算法(DE)参数寻优的相关向量机模型及最小二乘支持向量机(LS-SVM)模型,具有更加出色的预测性能。     

基于模糊综合评价法的铁路货运客户评价研究

为了更好地区分铁路货运各类客户,建立客户评价和分类依据,提高铁路货运营销精准性和营销效率,在分析铁路货运客户当前价值和潜在价值的前提下,分3个层次建立客户价值指标评价体系,并构建模糊综合评价模型,给出评价模型全过程计算步骤。以某铁路货运客户为例,选取客户价值作为评价指标,设定高现值高潜在、高现值低潜在、低现值高潜在、低现值低潜在4种评价等级,利用模糊综合评价法对其进行评价,得出该客户为高现值高潜在价值客户的结论,并提出有针对性的营销策略。     

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。     

基于LC-HB模型的铁路货运客户选择偏好差异性与市场细分方法

铁路货运客户自身的选择偏好直接影响对运输服务的选择,进而影响到不同货运服务的市场占有率,而选择偏好性受显性变量和隐性变量的影响。基于随机效用模型,分析铁路货运客户的运输服务选择模式,引入潜类模型,将客户选择偏好纳入先验概率和后验概率模型,并根据客户对服务属性的选择偏好差异性,建立铁路货运市场细分模型。同时,使用叙述性偏好实验,构建铁路货运服务效用模型,通过模拟服务选择过程,获取客户对不同货运服务的选择偏好数据。通过分层贝叶斯与潜类模型,对用户选择效用值和市场细分值进行迭代运算,得到实验样本选择偏好差异性的多元分布函数,及每个市场细分的客户规模、隶属度函数、对服务属性和服务层次的效用值。数据分析表明,客户选择偏好存在明显差异性,同时,解释并验证内生性市场细分方法能够对不同客户群体的隐性变量进行刻画,进而从铁路货运客户选择行为角度划分货运市场。     

基于PSO-SVM的轨道交通车站安全态势预测研究

提出一种基于PSO-SVM算法的安全态势预测模型,用于城市轨道交通车站安全态势预测研究。首先介绍支持向量机(SVM)和粒子群优化算法(PSO)的基本概念,以高斯径向基函数为核函数建立支持向量机安全态势预测模型,然后应用粒子群算法优化模型参数,得到优化的预测模型,再以某车站为例进行仿真实验,结果表明利用PSO-SVM算法预测车站安全态势值具有可行性。该预测方法对车站安全运营和乘客安全出行具有一定指导意义。     

关于铁路货运客户分级管理的探讨

结合铁路行业特点,阐述铁路货运开展客户分级管理的必要性,并根据财务价值、战略价值和相关因素将铁路货运客户分为高价值客户、次价值客户、潜价值客户和低价值客户,针对不同级别的客户采用不同的营销策略实施管理,为铁路建立并维持与客户的良好合作关系提供参考。     

基于支持向量机的高速铁路地震预警震级连续预测方法

利用日本K-net强震动数据,研究基于支持向量机的震级连续预测方法.在P波到达后0.5～10.0s范围内,以0.5s为间隔建立预测时间窗,选取12个P波特征参数作为模型输入参数,构建支持向量机的高速铁路地震预警震级预测模型(SVM-HRM),并将模型的震级预测结果分别与传统的震级预测模型以及现行标准进行对比.结果表明:...     

基于支持向量机的轨道不平顺预测研究

利用支持向量机的预测方法建立轨道质量指数预测模型,采用京九线下行100个轨道单元区段的实际轨检车检测数据对模型进行验证,并将预测结果与递推合成BP网络方法进行对比。研究结果表明:该方法建立的模型所得TQI预测值的平均相对误差为0.85%,预测精度与递推合成BP网络方法相比有所提高,说明将支持向量机技术引入到轨道不平顺预测中能够取得良好的预测效果,可以有效地反映轨道质量指数的发展趋势,对轨道不平顺预测研究具有一定的参考价值。     

基于无偏灰色模糊马尔可夫链法的铁路货运量预测研究

针对传统灰色马尔可夫预测模型存在灰色偏差与抗干扰能力弱的局限性,将无偏灰色理论与模糊集合理论引入预测模型,从趋势曲线灰色拟合与状态分类方式上对传统灰色马尔可夫模型进行改进,提出无偏灰色模糊马尔可夫链预测铁路货运量的方法,并结合"十一五"期间中国铁路货运量和货运市场发展趋势的预测分析,详细阐述了该方法的具体应用,最后使用定性分析对该方法的预测结果进行检验与讨论.理论分析和算例表明,该方法有更可靠的预测结果,并且能够对铁路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为.     

支持向量机在地铁车站深基坑围护结构变形预测的应用

利用支持向量机理论对深基坑支护结构的变形量进行分析和预测,建立了预测支护结构最大变形量的支持向量机预测模型。预测结果表明,该预测模型有很高的预测精度,并应用于南京市某地铁站实际工程。     

基于网格搜索支持向量机的边坡稳定性系数预测

边坡稳定性分析是岩土工程的一个常见问题,影响参数较多。首先将影响边坡稳定性的样本集合建立支持向量机(Support Vector Machine,SVM)回归模型,而后使用网格搜索法(Grid-search)优化支持向量机的参数,并将优化过参数的支持向量机回归模型与贝叶斯岭回归模型、普通线性回归模型、梯度增强回归模型的预测结果进行对比。研究结果表明:优化后的SVM回归模型预测方法在边坡安全系数预测方法中更为精准稳定,具有一定的实际应用价值。     

外贸货物运输需求量预测研究

外贸货物运输需求量预测是规划内地对外连接的港口、铁路、公路的基础。本文根据外贸进出口统计数据特点，分省区建立了具有不同特征、考虑多种影响因素的外贸进出口额预测模型，分品类将进出口额转换为集装箱和散货运输需求量，进而转换为外贸货物运输Ｏ－Ｄ量；在此基础上，应用多路径概率分配结合容量限制模型，在全国综合运输网络上进行外贸货运需求量分配，提出内地对外连接的港口、铁路、公路外贸货运需求量预测方案。     

城市轨道交通短时客流不确定性预测模型

以城市轨道交通实际运营客流数据为基础,针对现有短时客流预测存在的问题,从运营时段特征、客流类型及站点周边用地类型等影响因素出发,剖析了短时客流存在不确定性的原因;基于周期性差分自动平滑回归模型和支持向量机理论,构建了短时客流预测组合模型,捕捉短时客流的周期性特征和局部非线性性特征;为提高短时客流预测结果的可信度,引入广义自回归条件异方差模型来构建短时客流不确定性预测模型。通过实例,验证结果表明,周期性差分自动平滑回归-在线支持向量机组合模型对于周期性强且稳定的客流具有优越的预测性能,广义自回归条件异方差模型的短期客流不确定性预测结果更为准确可靠。     

铁路货运商业保险服务平台设计与应用

研究铁路货运商业保险现状，结合商业保险的投保流程与货运信息系统的实际运行特征，依据铁路客户投保需求，设计铁路货运商业保险服务平台。文章运用微服务的设计理念，创建货运保费计算模型，实现保险产品的快速上线，引导客户在提出货物运输需求的同时进行投保；利用报表工具对客户运输需求和投保意向进行分析，辅助保险业务人员进行营销决策。铁路货运商业保险服务平台已在部分铁路局集团公司推广应用，应用结果表明，该平台对提高铁路货运服务质量和运营效益、增强铁路运输市场竞争力具有积极意义。     

铁路货运服务质量问题管理模型研究

有效的铁路货运服务质量管理可以防止小问题演化为不可解决的大问题,构建铁路货运服务质量问题管理模型,其主要环节包括问题筛选、归因分析、方案制定、方案执行与反馈等。通过有效运用铁路货运服务质量问题管理模型,充分论证该模型解决铁路货运服务质量问题的能力,提升铁路货运服务质量管理水平,不断提高铁路货运的客户满意度和市场竞争力。     

基于改进RFM的铁路货运客户评价模型研究

为满足铁路日益加快的改革步伐需求,以经典RFM客户关系管理模型理念为原型,结合铁路企业货运营销现状,设计铁路企业货运客户评价体系;以货运客户贡献度、忠诚度、潜力为切入点,构建铁路企业货运客户评价模型,并通过德尔菲法、层次分析法确定各级评价因素权重,基于历史数据规律对铁路企业主要客户进行综合评价及重要性分类,为铁路企业货运营销提供支撑,辅助铁路企业精准发力,提高核心竞争力。     

基于改进非等间距灰色模型和PSVM的轨道质量指数预测

有效预测轨道不平顺的发展趋势对铁路的养护和管理具有重要意义。根据轨道不平顺发展的趋势性和随机性,本文提出一种将非等间距灰色模型与粒子群优化支持向量机结合的预测方法。利用改进的非等间距灰色GM(1,1)模型预测轨道质量指数(TQI)序列在未来一段时间内的变化,再利用粒子群优化的支持向量机(PSVM)模型对灰色预测值进行纠正,得到较准确的TQI序列,构建出轨道不平顺变化趋势预测模型。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该组合模型的预测精度较高,相对误差分别低至1.03%和2.74%。