综合货运网络规模及货物周转量算法研究

通过30年来全国范围综合货运网络基础数据的分析,采用数理统计的方法,得出了三大产业生产总值和5种运输方式所承担货物周转量的相关关系函数,并以此确定了综合货运网络各种运输方式的里程规模.结合当前常规数据结构,建立不同运输方式所承担货物周转量合理比例的多目标货物周转量比例计算模型（CCTV Model）,并基于运输效率、运输效益、对经济增长的贡献分别确定了合理货物周转量构成比例.结果表明,模型利用国内的常规数据结构能够较好的预测综合货运周转量比例,并应用于未来综合货运结构的预测和分析,不同目标值决定了不同的运输方式货物周转量构成比例.     

基于加权马尔科夫-ARIMA修正模型的区域物流需求预测

为准确预测区域物流需求,采用自回归移动平均(autoregressive integrated moving average, ARIMA)模型建立具有线性关系的时间序列,考虑时间外的非线性影响因素,基于加权马尔科夫模型修正残差状态,构建加权马尔科夫-ARIMA模型,以我国1990—2021年月度货运周转量为物流需求数据来源,验证加权马尔科夫-ARIMA模型的预测精度。结果表明：单一ARIMA模型和加权马尔科夫-ARIMA模型对12期货运周转量预测结果的平均绝对百分误差分别为3.15%、2.22%,后者的预测精度优于前者。     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

基于神经网络的信号交叉口进口车道交通延误预测

基于误差反向传播(Back Propagation,BP)神经网络建立了适应能力较强的信号交叉口进口车道平峰时的交通延误网络模型,并利用邯郸市某信号交叉口进口车道的平峰小时交通延误的数据,对该BP神经网络预测模型进行训练和测试.比较分析预测结果和实际数据,结果表明该BP神经网络对于交叉口进口车道的交通延误预测结果可靠有效.此外,在交通情况更加复杂的信号交叉口或者时间段,以该模型为基础可以建立更加可靠的预测信号交叉口进口车道交通延误模型.     

货运周转量、运输价格与国民经济的动态关系

在对货运周转量、运输价格与国民经济的分析基础上,选取我国1978～2006年的实际数据,对三变量之间的动态关系进行了协整分析,建立了误差修正模型,寻求三者之间的短期动态波动和长期均衡关系,且通过Granger因果关系检验三者的因果性.结果表明:货运周转量、GDP和运输价格之问存在唯一的协整关系.货运周转量是GDP和运输价格的Granger原因,GDP是运输价格的Granger原因.     

灰色系统理论在道路货运量、货运周转量预测中的应用

基于灰色系统GM(1,1)模型和残差修正GM(1,1)模型,预测道路货运量及货运周转量,可充分开发并利用了少量数据中的显信息和隐信息,避免复杂的相关关系,克服原始数据的离散性,得到高精度的预测结果.以山东省道路货运量及货运周转量为例进行了中短期预测,并用后验差方法对预测结果进行了检验。     

货运周转量、运输价格与国民经济的动态关系

在对货运周转量、运输价格与国民经济的分析基础上,选取我国1978～2006年的实际数据,对三变量之间的动态关系进行了协整分析,建立了误差修正模型,寻求三者之间的短期动态波动和长期均衡关系,且通过Granger因果关系检验三者的因果性。结果表明:货运周转量、GDP和运输价格之间存在唯一的协整关系。货运周转量是GDP和运输价格的Granger原因,GDP是运输价格的Granger原因。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

BP神经网络在防城港货物吞吐量预测中的应用

使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,详细介绍了BP神经网络建模原理和预测实施方法,对预测结果进行了分析。提出了使用基于时间序列的BP神经网络模型时的注意事项。     

对依托铁路运输的物流企业发展的研究

依托铁路运输的物流企业是铁路运输在市场竞争条件下的产物,虽然仍属于传统的物流经营．但是其灵活性和良好的经济效益为其向现代化物流方向的发展奠定了良好的基础。     

对山区测量的一点认识

结合北黑公路第七标段工程测量实际,阐述了山区公路测量工作的特殊性,详细介绍了水准高程测设和中线测设的方法。     

直升机着船海洋环境效应研究

通过对直升机着船海洋环境效应的深入研究,分析了海洋环境对直升机着船的影响机理,构建了直升机着船海洋环境效应模型,实现了直升机着船辅助决策．     

马克思主义城镇化思想发展述评

文章阐述了马克思、恩格斯的城镇化思想,分析了以邓小平、江泽民、胡锦涛、习近平为代表的中共四代领导集体充分汲取马克思、恩格斯城镇化思想,从我国实际出发,创立、发展和完善中国特色马克思主义城镇化思想,并以此来指导当代中国新型城镇化的伟大实践。     

水泥混凝土路面损害处治综述

随着国民经济水平的迅速提高，我国水泥混凝土路面修筑里程逐年增加，但同时路面经常受重交通荷载、环境条件等外部作用影响，损害是不可避免的，养护维修任务越来越重。在进行养护或维修前，必须认清各种病害的机理，进而进行针对性的修补工作。本文就水泥混凝土路面的常见病害，从分类，机理到具体的处治办法进行了阐述。     

高速公路沥青路面病害分析

车辙是在行车荷载重复作用下，路面产生积累永久性的带状沟辙。特别是在夏季多高温、水侵害、轴重、超载影响下，极易出现车辙、泛油。尤其是高速公路路面会出现不同程度的车辙、推移病害，这种路面病害会导致平整度下降，并影响高速行车的舒适性，严重的病害甚至会大大影响行车安全。     

电子文件归档工作

电子文件的产生,不仅意味着一种新型载体档案的诞生,而且也标志着人类记录信息、传达信息、留存信息的方式发生了变革.目前,在中山市公共汽车公司,公交智能化已纳入企业的发展规划,办公自动化在财务、报税、人事工资、票务、营运调度、营运统计、库存物资、车辆档案、保养计划、汽车配件销售、稽查等方面广泛应用电脑化管理.随着办公自动化程度的不断提高,必须高度重视并规范电子文件归档管理,保障电子文件和电子档案的安全保管和开发利用,以便更好地为企业的生产管理服务,这也是企业档案管理一个崭新的课题.