用改进的前向神经网络预测铁路货运量

对影响铁路货运量的因素进行了分析。根据影响铁路货运量的诸因素的特点，介绍了一种改进的前向神经网络预测方法，并建立了铁路货运量前向神经网络预测模型。算例表明，其预测精度高于常规预测方法。     

��·������Ԥ��ĸĽ�BP�����緽��

铁路货运量与其影响因素之间存在着复杂的非线性关系，传统的BP神经网络模型能对非线性系统进行很好的拟合，但模型的预测能力不强。通过单位根检验，可知铁路货运量及其影响因素的时序列数据是非平稳的。本文通过分析BP神经网络的传递函数对非平稳时间序列预测的不利影响，提出用差分法对输入数据进行预处理，在此基础上建立了铁路货运量预测的改进BP神经网络模型，并通过实例计算说明了这种改进BP神经网络方法对提高铁路货运量预测精度的有效性，最后利用该模型对2006—2O1O年的铁路货运量进行了预测。     

基于改进灰色GM(1.1)模型的铁路货运量预测

针对铁路货运量年度长期预测对货运部门制定短期运输规划指导不足的问题,引入GM(1.1)模型预测铁路月度货运量.考虑货运量序列常呈振荡波动的特征,利用加速平移变换和加权均值变换弱化序列的波动性后,建立改进灰色GM(1.1)模型实现最终预测.对我国2019年11月至2020年5月铁路月度货运量序列拟合结果比较表明,与传统GM(1.1)模型相比,改进GM(1.1)模型在预测精度方面明显提高,能更好的拟合铁路月度实际货运量,解决了传统GM(1.1)模型对呈现振荡波动现象的铁路货运量预测精度较低的问题.     

组合预测模型在铁路货运量预测中的应用

货运量预测是铁路运输规划的基础,单一预测方法很难准确有效地进行运量预测。探讨组合模型在铁路货运量预测中的应用,以全铁路货运量及社会经济发展状况为样本,对未来铁路货运量进行预测。实证预测结果表明：组合预测模型能有效综合各模型的有用信息,从而提高模型预测精度,与单一模型相比,该方法具有较好的实用价值。     

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。     

基于ARIMA模型的极端事件下铁路货运量预测研究

合理预测货运量是铁路部门制定列车开行方案及组织管理的基础,在类似突发疫情这种极端事件时,准确预测铁路货运量的数据与变化趋势对铁路工作的开展有重要的参考意义.建立ARIMA模型,利用2010年1月—2020年1月的铁路货运量正常数据与疫情突发后2020年2月的异常数据,对2020年3—10月的铁路货运量进行预测.结果表明...     

基于Holt-Winters模型的铁路月度货运量预测研究

铁路货运量预测是铁路运输市场分析的重要内容,对铁路货运业务的开展有着重要指导意义。铁路月度货运量数据序列是既有趋势性增长又有季节性波动特征的时间序列,Holt-Winters模型适用这类时间序列的预测。本文构建Holt-Winters乘法模型来进行铁路月度货运量预测,并以某铁路局化肥月度货运量为原始数据来做实证分析,最后与灰色模型、分组回归等传统预测模型的结果进行比较,结果显示Holt-Winters模型的预测精度最高。     

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.     

基于铁路枢纽的区域物流规划方法研究

本项目题目为《基于铁路枢纽的区域物流规划方法研究》，主要从三个方面进行了深入的研究分析，即对铁路枢纽吸引范围内物流量的预测研究、以物流系统优化为原则的铁路枢纽规划研究以及基于铁路枢纽的区域物流规划方法研究。[第一段]     

基于GM(1,1)残差二次修正的铁路货运量预测

铁路货运量是铁路运输能力的重要体现,也是确定铁路交通基础设施建设规模的主要依据。铁路货运量的预测结果是否合理,会对铁路的运输生产及效益产生直接影响。在传统GM(1, 1)灰色预测及GM(1, 1)残差一次修正模型的基础上,建立GM(1, 1)残差二次修正预测模型,从而提高模型预测的精度,并基于残差二次修正后的模型预测未来三年我国铁路的货运量,以期为铁路部门制定未来铁路运输发展战略,合理利用资源,充分发挥铁路运输能力提供参考。     

基于Matlab的铁路内部因素与货运量的灰色关联分析

随着货运改革的深入进行,铁路货运量已经呈现增长趋势。但是除了运营模式的因素,铁路内部影响货运量的因素也有很多。从铁路内部因素中选取一系列铁路运输统计指标,运用Matlab编制程序对选取的指标进行灰色关联度分析,根据灰色关联度的大小判断指标与货运量的关系程度是否密切,总结出与货运量关系密切的几个指标并提出相关建议,为货运量分析和货运改革以及相关决策奠定基础。     

右江那吉航运枢纽工程货运量分析预测方法

介绍广西右江航运建设那吉航运枢纽工程货运量发展水平预测的理论框架、方法和数学模型。     

柳州铁路枢纽规划研究

依据《中长期铁路网规划（2008年调整）》及柳州市城市总体发展规划和预测的枢纽内客货运量增长的需求,在分析柳州铁路枢纽现状的基础上,考虑设计运输能力的适应性、工程投资情况、引入线路的技术特征及已有铁路的设备状况等因素,研究了规划年度引入枢纽各线路的方案和枢纽内客货运布局方案,以及规划年度柳州铁路枢纽布局。     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

基于残差修正GM(1,1)模型的包神北线货运量预测

运用灰色理论,以包神铁路北线2010—2016年的货运量为基础对包神北线的货运量进行预测。根据GM(1,1)模型建立的步骤,建立包神北线货运量预测模型,并对残差进行分析,并通过残差修正模型对残差进行修正;最后使包神北线货运量的预测值在合理的预测精度之内,并对预测结果进行分析。为管理决策人员做出科学合理的决策提供理论依据。     

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。     

基于供需关系的铁路货运需求预测

分析运输结构变化对铁路货运供给的影响、铁路货运需求与国民经济发展的关系以及铁路货运供需关系。总结以往铁路货运量预测方法、特点,把铁路货物运输需求量按供给关系分成供小于求和供需平衡两个阶段,并分别提出相应预测函数。     

“一带一路”背景下中—老运输通道货运量分担率预测方法研究

为了分析中老铁路开通运营后货物运输发展格局,在考虑货主选择货物运输方式影响因素的基础上,选取运输能力、运输时间、运输费用、服务水平4个因素作为效用函数的构成变量,然后利用AHP法赋权,最后通过改进Influ-Logit模型来预测中老运输通道内公路及铁路货流分担率。预测结果显示:中老铁路开通后,公路与铁路的货运分担率分别为53.1%和46.9%,中老铁路运输相比公路具有较大优势,特别是区域市场的货运量分担率具有很大的提升空间。     

快速货物运输运量预测与分析

发展我国铁路快速货物运输是铁路走向市场、满足多元化市场需求、增强企业竞争力、巩固和扩大市场份额的客观要求，也是调整货运结构的重要举措。本文对我国未来快速货物运输的货运量及地区间的快速货物交流量的生成、增长、变化规律及发展趋势进行了预测分析，对逐步建立和发展铁路快速货物运输体系起到关键作用。     

基于改进灰色-马尔可夫链方法的铁路货运量预测

科学的货运量预测对铁路发展战略的制定具有十分重要的意义.针对灰色模型的预测结果精确度受原始数据变化幅度的影响较大,且要求累加生成的数据列具有指数性质的缺点,采用带波动的多项式来替代GM（1,1）模型中的指数形曲线,并通过马尔可夫链对其预测结果进行修正,从而建立改进的灰色-马尔可夫链预测模型,同时利用该改进模型对我国铁路货运量进行预测,并与传统的GM（1,1）模型、改进的GM（1,1）模型和灰色-马尔可夫模型3种预测方法进行了比较,结果表明：提出的预测方法具有较高的精度,具有一定的可行性和有效性,预测结果可指导铁路建设与管理.