基于灰色关联理论与多元线性回归模型的铁路客运量预测

对铁路客运量进行定性分析,采用灰色理论中的灰色关联分析方法,对影响铁路客运量的因素进行关联分析,挑选出关联性最强的因素,建立铁路客运量与影响因素之间的多元回归预测模型,通过实例证明,该预测方法简单可行,预测精度较高。     

对湖北省公路客运量预测模型的探讨

介绍了一元线性回归、确定性时间序列模型、灰色模型预测的基本原理,利用这些预测方法对湖北省公路客运量进行预测,给出其预测公式、预测精度并绘出预测图形,比较了各预测方法在公路客运量预测中的特点。     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

西安地铁二号线客流预测后评估

统计西安地铁2~#线客流预测数据和现状客流数据,进行客流预测后评估。在充分地考虑了轨道交通客流预测不确定因素的前提下,对比分析了日均客运量、高峰小时客运量、高峰小时单向最大断面客流量、客运周转量、平均乘距、车站进出站客流、时间分布特征。解析目前城市轨道交通客流预测中的不足,分析了影响客流预测精确度的因素,探讨今后改进城市轨道交通客流预测的思路。     

华东六省公路客运量预测研究

为了预测华东6省未来公路客运量,在分析影响公路旅客运输需求相关因素的基础上,采用SPPS软件建立多元线性回归方程,筛除不符合统计学中显著性检验的相关数据,如人口、GDP、公路运输线路长度,得出城镇人均可支配收入、公路客运周转量对公路客运量的需求影响最大；最后通过SPPS建立时间序列模型,得出华东6省未来客运量的发展变化趋势,从而对华东地区旅客运输的发展有一定的指导作用.     

利用简化时间序列法预测公共交通客运量

在满足一定的前提下,时间序列法可以用于预测公共交通客运量;预测的计算过程可以采用excel等软件来辅助计算,也可以采用手算。在需要手算的情况下,将时间的年份序列进行简化,能够提高手算速度,有助于使用者更快地完成计算过程、得到同样的预测结果,并能有助于使用者更好地理解时间序列法的应用。     

铁路客运量的系统动力学预测

在分析铁路客运量主要影响因素的基础上,建立了铁路客运量预测的因果关系图和流程图,写出了DYNAMO方程,并对模型中的参数进行了标定,利用历史数据检验及灵敏度分析对模型的有效性进行了验证,对我国未来五年的铁路客运量进行了预测.结论显示,经检验模型有效可行,系统动力学方法较好地符合铁路客运系统的特征要求,能够很好地进行铁路客运量短期预测.     

我国公路客运量近期预测研究

采用多种数学模型，对我国１９８７～１９９６年公路客运量时间序列数据进行分析研究，用平均绝对百分误差（ＭＡＰＥ）择优筛选出的最优模型对本世纪末我国公路客运量进行了预测。     

主成分回归的新疆兵团道路客运量预测

道路客运量预测是道路运输业规划的基础工作,科学准确地预测新疆生产建设兵团道路客运量是制定其运输业发展规划、发展战略的重要理论依据。根据新疆生产建设兵团道路旅客运输业发展特点,运用spass统计软件,综合主成分分析法和全回归法,确定道路客运量的主要因素,构建客运量预测模型,实现spass主成分回归分析在新疆生产建设兵团道路客运量预测中的应用。     

基于线网稳定期的地铁客运量预测方法研究

地铁客运量预测为地铁服务提升及地铁运能优化提供数据基础,在地铁线网稳定期可采用日变系数法和回归预测法进行客运量预测。日变系数法针对历史客运量变化规律进行分析总结,使用日变系数进行短期周客运量预测;回归预测法通过Eviews预测软件,建立对应的预测模型进行周客运量预测,预测完成后用昆明地铁2019年历史客运量数据进行验证,并对两种预测方法的预测结果进行对比,进一步分析2种预测方法的适用条件及范围,进而提升预测的精确度。研究对比客运量预测方法,选取日变系数法和回归预测法进行客运量预测。     

改进SVR及其在铁路客运量预测中的应用

为了提高铁路客运量现有预测方法的预测能力,用训练样本与测试样本间的马氏距离对惩罚因子进行加权,对传统的支持向量回归机(SVR)进行了改进,在此基础上提出了基于改进SVR的铁路客运量时间序列预测方法.以1980~1998年铁路客运量预测为例,对SVR方法和BP人工神经网络(BPANN)方法进行了比较,结果表明,SVR方法能获得更准确的预测结果.     

道路交通事故多因素时间序列宏观预测模型

针对现有道路交通事故预测方法在实际应用中的不足，引入多因素时间序列法，建立了道路交通事故多因素时间序列宏观预测模型．该预测模型兼有单因素时间序列法和多元线性回归法两者的优点，通过单因素时间序列法可以方便、快捷地得出事故影响因素的预测值，而利用多元线性回归法可将各种事故影响因素综合起来，预测出道路交通事故总体发展趋势．实例计算证明，道路交通事故多因素时间序列宏观预测模型能很好地适用于道路交通事故预测，同时具备了所需数据资料较少、建模简单、计算快捷等优点．     

2003～2005年我国公路客运量预测分析

以过去10年我国公路客运量时间序列数据为依据,采用回归分析法和弹性系数法,对2003～2005年我国公路客运量进行了预测分析.研究结果对优化公路客运资源配置,建立完善的公路客运市场具有重要的意义,也可为一系列相关问题的决策提供科学和可靠的依据.     

客运量预测模糊时间序列和灰色模型的比较

基于模糊集理论在模糊时间序列分析的基础上分别建立铁路、公路及民航客运量模糊时间序列模型,并与基于灰色理论的GM(1,1),修正GM(1,1)和Markvo三个模型进行标杆对比,结果表明:模糊时间序列模型能有效提高Markvo模型的预测效果;模型的外推预测能力比Markvo模型强;模糊时间序列模型和灰色模型相比,传统ARIMA时间序列模型及人工神经网络模型具有不需要大量历史时间序列样本的特点.     

对我国高速铁路客运量预测的探讨

分析了客运量的影响因素、铁路客运在全国客运市场的地位,提出在市场经济条件下高速铁路客运量的预测方法,即先预测整个客运市场的客运量,再根据高速铁路在客运市场的地位和作用确定其客运量。最后给出一个例子对此予以说明。     

公路客运运力结构配置

运力配置合适与否不仅关系到客运企业经济效益的好坏,而且也是评价客运方式服务质量和服务水平的一项重要指标,并将直接影响其市场占有率。研究运力配置对公路客运企业、对客运消费者及区域经济都有很大意义。在对高速公路客运运力影响因素充分分析基础上,通过对公路客运量预测影响因素进行分析,建立了公路客运量预测模型,对未来目标年的客运需求量进行了预测、计算,确定运力结构配置方案。     

公路枢纽项目客运量预测方法初探

公路客运量发展预测是公路客运枢纽站项目可行性研究中的主要内容 ,是确定一个项目建设规模的基础条件。探讨应用经济指标与公路客运量统计数据作为基础数据 ,在经济指标预测中采用增长系数法和三次指数平滑法进行预测 ,采用回归分析模型进行客运量预测 ,从而为公路客运枢纽项目确定规模提供依据     

基于SARIMA模型的铁路月度客运量预测

铁路月度客运量数据序列在长期内具有线性增长趋势,且在短期内又随月份波动变化明显。本文通过构建季节差分移动自回归模型(SARIMA)对2016年铁路月度客运量进行精确预测,挖掘铁路月度客运量的季节性波动规律,为铁路客运管理人员调整列车运行图,制定客车开行方案提供重要参考,以便于铁路客运站确定客流高峰预警时间和提高客运组织效率。     

基于灰色理论的北京公交客运量的预测和分析

对公交客运量的预测和分析是非常重要的工作,通过预测和分析方法的简单比选,确定应用灰色理论进行北京公交客运量的分析和预测。根据灰色理论,建立灰色预测模型预测公交客运量,并建立灰色关联模型从供给、需求和竞争三个方面分析公交客运量,是公交客运量预测和分析的实际应用方法之一。