铁路货运量组合预测方法

为了对铁路货运量进行科学预测,在指数平滑、模糊移动、线性回归、灰色预测4种单一模型的基础上建立组合预测模型。结果表明：组合预测模型能有效综合各模型的有用信息,并能提高其预测精度,预测结果可靠。与单一模型相比,该法具有较好的实用价值。     

基于Markov链修正的铁路运量灰色组合预测模型研究

预测模型的准确与否直接决定着未来经济规划与决策的有效制定。将灰色GM(1,1)-Verhulst组合预测模型与马尔可夫链方法相结合,同时引入信息熵理论的知识,提出基于Markov链修正的熵权法灰色组合预测方法,并以甘肃省2004年～2015年铁路客运量作为原始数据序列进行模型拟合,而且还以此为基础对甘肃省未来几年内的客运量发展趋势进行预测。结论:(1)在已知实际客运量年份内,该灰色组合预测模型的预测精度比单一灰色预测模型更高、更加准确;(2)采用马尔可夫链方法获得该组合模型的偏差规律,并依照此规律对预测结果进行修正,即由一个单一的预测数值修正成为区间和概率组成的预测范围;(3)通过比较2016年～2017年的客运量实际值、组合预测模型的单一预测值和Markov链修正的预测区间值,发现Markov链修正的预测结果与客运量实际值的吻合性良好,进一步验证此预测方法的可信性。     

城市轨道交通进出站短时客流预测模型研究

针对城市轨道交通短时进出站客流的强随机性、周期性及非线性的特征,提出了一种基于小波变换与Adam算法优化的长短时记忆网络(LSTM)短时客流组合预测模型(即WT-LSTM组合模型),同时基于非饱和激活函数ReLU函数实现了LSTM的学习与训练.采用LSTM模型与WT-LSTM组合模型对广州地铁广州塔站的客流量进行预测,并对预测结果的误差进行对比分析.结果 表明,WT-LSTM组合模型能够较好地预测短时客流,预测结果优于单一LSTM模型.     

GM(1,1)-Logistic路基沉降组合预测模型研究与应用

路基沉降预测是指导正确施工及运营期路基养护的一个重要因素.GM(1,1)模型及Logistic模型被广泛应用于路基最终沉降量的预测.基于组合预测的基本理论,结合GM(1,1)模型及Logistic模型的特点,提出了GM(1,1)-Logistic组合路基沉降预测模型,采用线性组合预测方法,以过去一段时间内组合预测误差平方和最小为原则来求2个预测模型的加权系数.结合工程实际监测数据的计算结果和分析表明,GM(1,1)-Logistic组合预测模型在预测精度上比单个模型具有更好的适用性.     

基于组合预测模型的铁路货运量预测研究

为了进一步提高铁路货运量的预测精度,提出基于乘积季节模型与引入注意力机制(Attention Mechanism)的长短期记忆(Long Short-Term Memory)模型的组合预测模型。首先建立乘积季节模型、LSTM模型与引入注意力机制的LSTM模型,然后利用误差修正法分别将2种LSTM模型与乘积季节模型组合起来进行预测,最后将预测结果分别与单一模型进行对比。采用2005年至2018年全国铁路月度货运量进行预测分析,结果表明2种组合预测模型的预测精度均高于单一预测模型的预测精度,其中基于乘积季节模型与引入注意力机制的LSTM模型的组合预测模型精度最高,具有研究和实用价值。     

改进的货运量最优变权组合预测模型

提出一种改进的变权组合预测模型,实现货运量的短期和长期预测.该方法采用多元线性回归、二次指数平滑法、灰色模型、指数曲线外推方法分别对货运量进行预测,设计一个多项式的系数矩阵,建立组合预测模型.为了保证组合模型长期预测的稳定性,在进行长期预测时,在模型中增加了收敛条件.最后,通过引入松弛函数,避免求解方程时的病态,利用拉...     

灰色神经网络在混凝土结构徐变预测中的应用

根据灰色系统理论处理贫信息系统的优势,以及神经网络学习和自适应的优点,将灰色神经网络组合算法应用于混凝土结构的徐变预测中.利用GM(1,1)模型和BP人工神经网络,建立灰色新陈代谢短期组合预测模型和长期组合预测模型.该组合模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性.通过自密实预应力混凝土梁长期变形试验结果的算例分析,表明短期和长期组合模型的预测结果均与试验结果吻合良好,该模型可以作为混凝土结构徐变预测的有效工具.     

基于SSA-SVR模型的城市轨道交通短时进站客流预测

针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析(singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进行各站点的短时进站客流预测。采集2015年11月北京市全网的城市轨道交通进站客流数据,对提出的短时客流预测模型进行验证和对比分析。结果表明,组合模型预测精度相比ARIMA、SVR、CNN-LSTM和T-GCN模型具有更高的预测精度和更稳定的预测表现,具有一定的实际意义。     

短时交通流预测模型综述

介绍短时交通流预测的背景和意义,将短时交通流预测的方法分为5类,包括基于统计分析的预测模型、非线性理论模型、基于仿真的预测模型、智能预测模型及混合预测模型。对这5类预测模型进行逐一介绍,并对其在算法复杂度、预测精度、计算时长、适用路段等方面进行分析。短时交通流预测研究领域今后可能的发展趋势是数据来源多样化、混沌理论和深度学习逐渐发展,组合预测模型更加多样,预测精度不断提高。     

灰色变权组合模型的货车车轮踏面磨耗预测

为探讨变权组合模型在货运专线车轮踏面磨耗趋势预测中的应用,采用基于灰色新息GM(1,1)模型、灰色离散GM(1,1)模型和指数平滑模型为一体的变权组合方法研究货运专线车轮踏面随走行公里的磨耗趋势,并与各单项模型预测结果和定权组合预测结果作对比,研究结果表明:应用组合方法比单纯应用单项预测模型方法更合理,预测结果更可靠,且变权组合预测模型优于定权组合预测模型,预测精度较高。本文所提出的变权组合预测方法能够很好地预测货运专线上车轮踏面的磨耗趋势,是一种研究运输专线上车辆轮对维护决策的有效方法。     

基于概率分布的轨道不平顺发展统计预测

针对轨道不平顺的随机性,应用数理统计原理和方法,对轨道动态不平顺检测数据进行统计分析,研究轨道不平顺的概率分布特性。分析讨论基于不平顺分布函数特征的不平顺发展统计预测方法,比较不同统计预测模型的预测效果和预测精度。研究结果表明:轨道不平顺概率分布接近于正态分布;在轨道不平顺概率分布特性分析的基础上,指数平滑预测方法具有较好的预测效果和预测精度,能够用于轨道不平顺发展预测问题的研究。     

加强铁路客运需求预测提高前期研究工作质量

运输需求分析是建设项目前期工作的核心。本文针对铁路管理体制、投融资体制发生重大改革的新形势、新特点,梳理了客运需求预测在重视程度、预测基础、模型更新、研究内容四个方面存在的问题。通过分析客运需求预测面临的发展形势,提出建立专题审查制度、编制需求预测指导书、构建分层次分区域需求预测模型、加强对已运营铁路的后评估和重视需求预测风险分析五个方面的建议。     

城市轨道交通客流量实时预测模型

城市轨道交通客流预测方法主要有基于调查的客流量预测方法和基于实际流量的事后统计方法。针对目前尚无根据实际客流量数据预测各个站的客流量的模型,提出了利用实际到站的客流量数据,通过建立灰色模型和马尔科夫链,预测下一站实际客流量的实时预测模型。试验仿真表明,该模型能较好预测实时客流量。     

基于广义回归神经网络的货运量预测

根据货运量形成的原因 ,分析了货运量和相关影响因素之间的关系以及货运量预测的特点。在此基础上 ,建立货运量预测的广义回归神经网络 (GeneralRegressionNeuralNetwork ,GRNN)模型 ,并以我国 1981～ 2 0 0 1年的货运量和相关经济指标的历史统计数据作为学习样本 ,通过拟合训练和外推预测分析 ,验证了GRNN用于货运量预测的有效性     

支持向量机在货运量预测中的应用研究

在分析现有货运量预测方法所存在问题的基础上,建立了货运量预测的支持向量机模型,并以我国1981～2001年的货运量和相关经济指标的历史统计数据作为学习样本,分别选用3种不同的核函数,通过拟合训练和外推预测分析,验证了支持向量机用于货运量预测的有效性,并对模型中的有关参数进行了探讨分析。     

基于BP神经网络的瓦斯隧道突出预测系统开发研究

瓦斯隧道突出影响因素多,难以为其建立合适的多指标非线性预测模型。为了提高突出预测的准确性和增强预测方法的可操作性,采用BP神经网络建立瓦斯隧道突出预测数学模型。借助ASP.NET技术、C#语言和SQL Server 2008数据库,在C#.NET环境下利用Matlab引擎技术调用神经网络工具箱,成功构建了突出预测系统。以肖家梁隧道为例对该系统进行实际检验,预测结果与隧道实际状况达到了较好的一致性,可实现瓦斯隧道突出的准确预测。     

建立在现有模型基础上的轨道交通客流预测模型及其校核

客流预测是贯穿城市轨道交通规划、设计和运营全过程的一项系统工程.目前我国城市轨道交通建设已进入快速发展时期,部分城市在轨道交通运营过程中逐步积累了客流方面的第一手资料.如何利用这些资料来改进和优化原有客流预测模型、提高预测的精度具有十分重要的意义.在回顾武汉市交通预测模型发展的基础上,介绍了利用1号线一期工程客流资料对现有模型进行改进和优化的过程,以及将轨道矩阵从公共交通总矩阵中分离的具体方法.实践证明,在已标定完善的轨道模型基础上进行轨道交通客流预测,其客流预测成果更具合理性.     

“四阶段法”预测沈哈客运专线运量参数取值探讨

采用"四阶段法"进行各种交通方式运量预测工作的关键在于对各种参数值的预测,这需要进行深入细致的定性分析和定量分析。在沈哈客运专线运量预测研究工作过程中,对所建模型参数的取值进行较为深入的研究,取得一定程度的认识,并在此基础上进行新建客运专线等交通方式客运量的预测,取得了良好的效果,可对今后新建铁路客运量预测提供理论支持。     

设计期铁路客运站最高聚集人数预测模型研究

铁路客运站最高聚集人数是研究铁路客运站站房能力与规模的核心。本文在分析现有研究成果的基础上对设计期铁路客运站最高聚集人数的预测进行研究。认为将列车密集发车时段同一时刻到达车站候车人数与检票上车人数之差最大值的平均值视为铁路客运站最高聚集人数比较适宜。建立铁路客运站最高聚集人数预测模型,对模型中参数的取值进行讨论,通过算例说明本文模型的应用,并对预测结果进行分析比较。