基于最大Lyapunov指数的铁路货物运量预测研究

根据混沌理论具有分析非线性动态系统混沌特性的特点,对货物发送量相关时间序列进行了分析和研究。本文在Takens相空间重构的基础上,利用C-C方法求嵌入时延与嵌入窗、G-P方法求嵌入维数;应用小数据量法计算铁路货物发送量相关时间序列的最大Lyapunov指数,并进行混沌特性分析,结果显示:货物发送增长量和增长率符合混沌特性,货物发送量不符合混沌特性;利用基于最大Lyapunov指数方法和BP神经网络方法对1999年1月到2013年4月共172个月的铁路货物发送增长量和增长率进行预测,预测结果表明基于最大Lyapunov指数预测值能够较好地与实际值相吻合,其预测的准确度明显好于BP神经网络预测值,因而混沌理论中的最大Lyapunov指数预测在货物发送量相关时间序列预测中有广泛的实用价值。     

基于混沌理论的铁路客货运量预测研究

应用混沌理论的相空间重构方法,分析与铁路运量相关的12组时间序列,分别计算它们的嵌入延迟时间、嵌入维数、关联维数、最大Lyapunov指数等混沌统计量,并以此为依据判断12组时间序列的混沌特性。结果显示:铁路客货运量及周转量不具有混沌特性,对应的4组时间序列不是混沌的;铁路客货运量、周转量的增量及增长率都具有明显的混沌特性,它们对应的8组时间序列是混沌的。在识别是否混沌的基础上,应用基于最大Lyapunov指数预测方法,对铁路客货运量、周转量进行预测检验及预测结果分析。     

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。     

VBR视频业务的混沌特性研究

基于混沌理论的相空间重构技术,分别用自相关函数法和伪邻点法计算4条标准VBR(Variablebitrate)视频流I帧序列、GOP(groupofpictures)序列的时间延迟与最小嵌入维数;并在此基础上,利用Wolf算法得到其均具有正的最大Lyapunov指数。这一研究结果表明VBR视频业务在不同时间标度上均具有混沌特性,这为VBR视频业务的混沌建模和预测奠定了基础。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络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7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

基于混沌密钥的小波数字水印方法

提出一种基于混沌密钥的小波数字水印方法。该方法在现有的混沌数字水印系统基础上 ,增加一个混沌映射作为私有密钥来克服有限字长效应和提高算法的抗破译性。嵌入水印时 ,将原始图像进行四层小波分解 ,利用人类视觉系统 (HVS)特性 ,选择中频系数与混沌水印序列相加 ,进行取模运算后再嵌入到混沌映射模型中进行迭代。检测时 ,利用相应的混沌映射模型生成混沌水印序列 ,并与原始水印序列进行相关检测。研究结果验证了本文方法的有效性 ,并证明能比单一混沌系统提供更好的抗破译性能     

一种基于小数据量的快速识别短时交通流混沌特性的方法

对短时交通流进行预测、诱导和控制是智能交通控制系统的重要研究内容。由于对短时交通流进行混沌特性识别时,存在实时性与样本数量之间的矛盾。因此,本文基于混沌时间序列分析理论,提出了一种快速计算短时交通流时间序列最大Lyapunov指数的小数据量方法,用于识别短时交通流中是否存在混沌特性。该方法首先将短时交通流时间序列在相空间中进行重构,以充分提取短时交通流中的相关信息。并结合庞卡来截面法对识别结果进行了验证。从而为对短时交通流进行分析、预测和控制时所采用的相应方法提供了可靠的理论依据。对实测短时交通流行为进行识别的结果表明,该方法具有计算量小、实时性好,对小数据量可靠且容易操作等优点。     

基于双层次正交神经网络模型的铁路客运量预测

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。     

沪宁城际铁路客流短期预测研究

为提高沪宁城际铁路运营组织效率,通过对沪宁城际铁路短期客运量的时序特征和变化规律的分析,表明短期客运量时间序列是一种具有周期性特征、增长趋势缓慢的非平稳时间序列。在此基础上,建立ARIMA乘积季节模型,并运用该模型对沪宁城际铁路南京站发送量客流进行预测,结果表明ARIMA乘积季节模型具有较好的预测精度,适宜做城际铁路的短期客流预测。     

灰色理论在铁路客运量预测中的分析研究

针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。     

基于Verhulst-RBF的铁路客运量预测

为更准确地预测铁路客运量,采用灰色关联法,分析不同因素对铁路客运量的影响程度,确定主要影响因子,并将其作为预测指标,提出基于Verhulst-RBF神经网络的铁路客运量预测组合模型。基于四川省近14年的铁路客运量数据,进行组合模型测试。实验结果表明,Verhulst-RBF神经网络组合模型的预测精确度高于单一的Verhulst模型或单一的RBF神经网络模型。     

RBF神经网络在铁路客运成本预测中的应用

铁路运输客运成本指的是铁路运输企业为了完成客运运输作业在运输过程中所耗费的一切费用的支出,包括运输生产过程中生产资料的消耗和劳动力的消耗。合理地控制铁路运输成本可以有效地提高铁路运输企业的管理水平、经营状况等。可见,选取符合具有铁路成本特点的预测方法准确地对运输成本进行预测具有重要的意义。通过对铁路客运成本的影响因素进行分析,选取主要影响因素并结合RBF神经网络超强的学习能力和适应能力建立铁路客运成本预测模型进行预测。最后,通过案例分析得到RBF神经网络对客运量成本具有很好的预测性。     

基于分级节点的高速铁路货运动车组开行研究

“八纵八横”高速铁路网货运节点可以利用聚类分析法,依据货运总量、GDP、人口、社会消费品零售总额、快递业务量、线路连接数、城市类别和节点类别等指标划分为4个等级。基于灰色系统预测模型,预测2025年高速铁路货运量,构建数学模型计算保本货运量。依据节点划分、货运量预测、保本货运量结果,计算各等级节点中盈利OD所占的比例,结合日均OD量,分析各等级节点间开办高速铁路货运的可行性。研究表明,在一级节点之间可以开行高速铁路货运动车组专列,在二级节点之间可以开行客货联挂动车组,三、四级节点可以采用捎带运输的方式。     

铁路新增货运通过能力计算分析系统的研究

铁路区段货运通过能力是路网能力的一项重要组成部分.随着客运专线的建成通车,既有线上的货运能力逐步得到释放.为了准确计算货运通过能力,本文使用了运行图模拟铺画法,开发了铁路区段新增货运通过能力计算分析系统.实例研究表明,该系统能够准确计算出区段的新增货运通过能力,对铁路局货运组织有一定的指导意义和参考价值.     

基于网络测度的宝鸡至汉中铁路功能定位研究

针对铁路规划项目功能定位定性分析为主的客观性不足问题,以宝鸡至汉中铁路为研究对象,选取节点间旅客交流时间或节点间运输距离为权重,运用Space L构造法建立区域铁路客、货运输网络拓扑结构模型;采用复杂网络分析方法,基于"有无对比"思想及等级化线路技术标准,结合应用Pajek软件与R软件,测算区域铁路运输网络直径、平均距离、边介数、网络效率等加权特征参数,以及非加权特征参数集聚系数进行网络测度分析,并进行网络最小生成树分析;以网络分析结果为基础,从路网、通道、客运、货运四个方面对铁路规划项目功能进行定量化综合定位,宝汉铁路为宁陕及陇东地区与川渝地区间南北纵向新通道的骨架干线,是一条以货为主、客货共线的区域路网干线铁路。