考虑高铁客运产品间交叉弹性的动态票价策略

将由特定高铁列车所提供的起讫点间的旅客运输服务定义为单个高铁客运产品。随着高速铁路越来越"公交化",同一起讫点间客运产品间的可替代性越来越强,票价的调整有了更精细化的要求。用经济学中的交叉弹性理论描述客运产品间的可替代程度,用指数需求函数描述客运产品的需求与票价的关系,构建并求解高铁动态票价优化模型,对客运产品间不同可替代程度下的最优动态票价策略进行研究。结果显示:高铁客运产品间的可替代性会影响票价策略的选择,且客运产品间可替代程度的增加是否有利于客票收益的提高与可行折扣票价集合的选取有关。     

强化铁路检修车管理的思考

如何准确、均衡地扣修铁路运用车辆,既保证维修单位任务完成,又满足提高运输效率要求,是铁路运输管理的难点之一。本文以南宁局集团公司为例,总结分析针对检修车扣车不均衡、检修车超定量问题,采取集成数据,编制检修车管理指导子系统,强化检修车的监控与预测、扣车追踪、动态管控、均衡扣车等措施的落实效果,旨在为有效提升检修车管送能力,确保运输用车需求提供借鉴。     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

别克GL8汽车配件市场价格(二十)

单车用呈参考价‘元、H(1 7Hl】_i_!()H¨i8『】_7HllR0 j l‘}H j 7l l|lI i¨l¨H¨n I I ill 】6H…’1 2 cj 2i !ii 3 1 J !lI’ 5 8i i《)2:39 85{Hl{Rh 7“f)j I(J(}】1l 0 3h‘}2 lIf128 j!I《j lIl- 1“f】 H I‘f 4 51 5■: 5 i 5 c h H L{ i 55㈠’ill 71 f):{!H I‘J 71 511 uh‘I_lI!H 7ll_Hil{1 59参考价(元) 2 95 1 g8 90 63 70 1l 0 3n 383 86 23 10 11 46 12 2{ +{9 78 11 16 269 lO 4R2 h.{ 3 51 ll 70 I.{4 55 21 5 70 163 80j511)()()351 0 OO3iIO 00 789 75 228 15 789 75 789 75 l 05.如473 85 d7j 85…     

长江三角洲地区集装箱生成量的可拓聚类预测

<正> 在酝酿新世纪的各国港口集装箱运输的持续发展中,各界普遍关注的热点问题是沿海集装箱深水港的建设,而对于内河集装箱运输没有得到应有的重视。内河集装箱运输是推动内河流域经济发展的原动力,无数国内外的水运与区域(城市)经济发展相互依存的实例证实了包括内河运输的水运对人类历史和经济发展的重要作用。     

再出一驹 千里马 1.3GL AT

国内家庭经济型轿车的竞争已经进入了战国时代．自从广本飞度以D．90万元惊爆价入市以来．更引发了10万元以内的家庭轿车的市场地震．各大车厂纷纷奋起还击以保住自己的市场份额。当然，东风起亚乜不例外．于近期推出了1．3GL AT，使出了高配置低价格的撒手锏。     

价格不降创销售四万辆奇迹

记者从北京现代获悉．截止到10月16日，北京现代销售的索纳塔轿车已经突破了4万辆，更令人称道的是、达到这一数字竟然是在价格不降的前提下。4万辆的神奇数字为北京现代的周年厂庆献上丁一份珍贵的厚     

单桩荷载与沉降关系曲线的神经网络预测方法

本文提出了一个预测单桩荷载-沉降关系曲线的BP神经网络模型。该网络模型包含两级网络，第一级网络以桩长、桩径、桩侧土层的分布情况，桩侧与桩端土层的物理力学指标为输入元，来先预测出单桩的极限承载力及其对应的极限沉降；第二级网络以第一级网络的输入元和输出元作为其输入元，进一步预测各分级荷载下桩的沉降。实际预测精度一般能达到15％以内，且稳定性较好，表明神经网络模型略优于通常的经验公式方法和数值方法。