区域货运量预测方法的比较

本文在对货运量预测理论和程序概述的基础上，介绍并比较了常用区域货运量预测方法的优缺点，重点分析了基于产业结构测度的区域货运量预测的基本原理，实证分析表明，该种方法都较目前常用的宏观货运量预测方法优。     

区域货运量预测方法的比较

本文在对货运量预测理论和程序概述的基础上,介绍并比较了常用区域货运量预测方法的优缺点,重点分析了基于产业结构测度的区域货运量预测的基本原理,实证分析表明,该种方法都较目前常用的宏观货运量预测方法优.     

基于城市产业结构变化的货运量预测实证研究

文章分析了城市经济与交通运输业发展的关系,论述了产业结构变化对货运强度的影响.以上海市为实例,采用产业结构分析的方法对货运量进行回归预测,并与GDP预测法进行对比,证明了产业结构分析法的优越性.     

单位GDP货运量与城市产业结构关系

货运量的预测问题是规划者进行交通规划的基本问题。传统的货运量预测方法在对城市做预测时缺少足够的精确度,通过引入单位GDP货运量方法可以更好的反映这一问题。在分析各产业发展对于货运量影响的基础上,利用单位GDP货运量这一指标来反映城市产业结构和货运量之间的关系,预测结果比较可信。     

上海市产业结构调整对货运量的影响分析

分析上海市产业结构调整对货运量的影响。通过定性分析上海市货运量的增长趋势,采用灰色关联分析和回归模型定量得到上海市产业结构与总货运量的关联度以及产业结构变动对单位GDP货运量的影响。文中结论用于货运需求预测以及宏观把握货运业的发展趋势方面研究,为货运业未来的发展规划提供依据。     

基于MATLAB的BP神经网络组合预测模型在公路货运量预测中的应用

采用BP神经网络建立公路货运量组合预测的理论模型,灵活利用神经网络通过自适应自学习能够拟合任意非线性函数的功能,有效克服传统的组合预测方法在实际应用中把数据间的关系强加给某一类函数的不足,并借助于先进的数学计算软件MATLAB进行简单的编程,大大降低模型的计算难度,实例证明该方法具有更高的预测精度。     

铁路轮渡货运量预测方法研究

铁路轮渡在国内属于新生的一种运输方式，其货运量预测方法及对运量构成的划分方法尚无成熟经验可以借鉴，从综合运输的角度入手，对采用经济模型与产销平衡分析相结合预测铁路轮渡货运量的方法进行了探讨，并进一步利用该方法对铁路轮渡运量的构成进行了合理划分。     

利用无偏最优维数灰色预测模型预测我国公路货运量的发展

在无偏灰色预测模型的基础上提出了一种改进模型 ,该模型消除了传统模型和无偏模型中由于使用大量现有数据建模而带来的偏差 ,而是选用对预测值影响最大的几组数据进行建模 ,因而可称为无偏最优维数灰色预测模型。利用此模型对我国公路货物运量的发展做了预测。     

基于多种模型的黑龙江省公路货运量组合预测

利用黑龙江省公路货运量时间序列信息,基于多种模型对黑龙江省公路货运量进行组合预测,为管理部门的决策提供依据。     

神经网络模型预测运输货运量

从交通运输需求的角度描绘了交通运输需求与国民经济的一些主要经济变量的相关关系,基于这些相关关系建立了交通运输需求预测的神经网络模型,利用误差反向传播算法实现了由这些因素到运输系统需求的复杂映射。并进行了实例验证分析。     

基于GA-BP模型的铁路货运量预测

针对于目前已有铁路货运量预测方法的缺陷与不足,提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化,目的保证其预测精度.首先引用灰色关联分析法,以此来确定全国铁路货运量与其主要影响因子之间的关联度,然后按照其关联度在标准值之上的关联因子,建立GA-BP神经网络预测模型.最后通过实例分析表明,此模型预测精度及推广能力均优于传统的预测方法,从而证明该方法的可行性和有效性.     

基于BP神经网络的南宁市公路货运量预测

为提高公路货运量预测的准确性,依据南宁市历史年份的公路货运量数据建立公路货运量的BP神经网络预测模型。将模型在MATLAB软件环境下进行编码并运算,通过对数据的反复训练和学习最终得到预测值。经过实例分析证明基于BP神经网络的货运量预测模型的有效性。为证明不同方法间的差异性,利用趋势外推法、三次指数平滑法、灰色预测法以及指数回归法对南宁市公路货运量进行了预测。通过对比分析,得到不同方法的相对误差。可以看出,基于BP神经网络的货运量预测模型较传统预测方法有较大的优越性,BP神经网络模型能够揭示货运量的非线性变化关系,准确地拟合原始数据。     

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。     

改进的灰色模型在船闸通过量预测中的应用

对灰色GM(1,1)模型进行了改进,通过函数变换改变序列的光滑度,以积分逼近值代替均值作为相邻时间间隔增长量,以提高发展系数精度,从而得到了比原GM(1,1)模型模拟精度高和适用法范围更广的新模型.并以苏北运河船闸历年累计货物通过量为实例,运用原始模型与改进模型对船闸通过量进行预测,预测值与真实值相比较后,证实了文中改进的灰色模型精度较高,适用范围更广.     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

��·��װ�������г���Ԥ��ģ���о�

通过考虑国民经济的长期趋势、产业结构、生产布局、运输结构、消费水平等影响铁路集装箱运量的不同因素,选用能够容纳多种影响因素的经济计量方法构建铁路集装箱运量中长期预测模型.根据不同影响因素的特点,将其分别设置为内生变量、外生变量和前期内生变量,形成集装箱运量预测的基本方程组结构.通过对模型的估计和检验(包含整理检验和最终检验)可知,所构建的模型体系误差率较小,具有较高的精度,可用于铁路集装箱运量的预测,为铁路集装箱运输发展规划提供基础数据依据.     

基于灰色系统理论的船闸货运量预测研究

采用灰色系统理论，建立了基于GM（1，1）的船闸货运量预测模型，经检验，预测精度良好，模型为一级．应用所建模型进行了运量预测，通过后期2001～2003年实测值与预测值的对比，发现相对误差很小，预测结果合理可信，且优于常用的线性回归预测，由此可以认为，灰色预测方法是值得在水运界进行推广和探讨的．     

BP神经网络在新疆货运量预测中的应用

在分析货运量影响因素的基础上,利用BP神经网络建立新疆货运量时间序列预测网络结构模型.利用1995～2006年新疆货运量历史数据,对模型进行训练和拟合,再选用2007 ～2008年的历史数据作为网络模型检验样本,同时采用移动平均法、指数平滑法对新疆货运量进行预测,并对预测结果作对比分析.研究表明,采用BP神经网络预测新...