共查询到19条相似文献,搜索用时 625 毫秒
1.
铁路运量受气候条件、节假日、工农业生产和国民经济发展等因素影响,呈现出趋势性、季节性、随机性的复杂波动特征。通过对我国2002—2009年铁路客货运量月度数据进行分析,得到我国铁路客货运量具有明显的线性趋势和季节特征的结论,选择Holt-Winters模型进行数据拟合,具体分析铁路客货运量的季节特征与差异。 相似文献
2.
3.
客货运量是衡量交通运输经济的重要指标,本文以甘肃省2014至2019年的客货运量为基础数据,针对现有客货运量预测方法单一的情况,分别采用灰色预测法和弹性系数法,对未来特征年公路,铁路,民航客、货运量与客、货运周转量进行预测,并与历年真实数据对比,以预测客货运量的发展趋势;综合分析两种预测模型的结果数据,以提高客货运量预测的精度,保证预测结果的合理性;最终选用两组数据的平均值,为甘肃省“十四五”客货运量发展规划提供参考依据。 相似文献
4.
根据2002年以来国家统计局发布的铁路客货运量统计数据,分析铁路运量的周期性与波动性规律,指出运输需求的波动性形成了铁路运能的不足与虚糜。为充分利用铁路运能,提出通过开展第三方物流,根据企业的生产计划需求和铁路运能情况,对某些即时性不强的货物进行运输时间调整。 相似文献
5.
铁路是国家基础设施,是国民经济大动脉。面对铁路难得的大发展机遇,如何合理确定铁路主要技术标准,这不但关系到铁路自身发展及铁路在综合交通运输体系中发挥重要作用,而且会对国民经济长远发展产生深远影响。分析了我国人口、资源分布、客货运量特点;对主要通道客货运量构成、不同交通方式的比较优势、承担运量比例以及铁路在我国综合交通运输体系中的地位和作用进行了论述;不仅从铁路行业自身发展出发,而且从国民经济可持续发展、环境保护、能源消耗及国外高速铁路发展趋势及经验借鉴等方面,对如何合理确定铁路主要技术标准进行探讨。 相似文献
6.
根据我国铁路集装箱运输发展,研究构建集装箱运量预测模型和方法.基于1999-2008年铁路集装箱运量历史数据和GDP数据,分别选用回归分析模型、灰色系统预测模型、BP神经网络预测模型,预测2009-2014年铁路集装箱运量,根据各方法的误差确定权重,进行了运量组合预测.组合预测模型能在一定程度上提高预测精度,对铁路集装箱运量预测是可行的. 相似文献
7.
铁路集装箱运量预测与影响因素分析 总被引:1,自引:0,他引:1
运用时间序列的趋势外推法、灰色预测和组合预测方法对我国铁路集装箱运量进行了预测,在此基础上运用因子分析方法对影响铁路集装箱运量的因素进行了分析,得到了国民经济宏观因素和外界竞争因素对铁路集装箱运量具有影响的两个解释性因子。 相似文献
8.
基于灰色马尔柯夫过程的铁路客运量预测方法研究 总被引:3,自引:0,他引:3
将铁路客运量预测分为运量趋势预测和运量波动预测,分别采用灰色GM(1,1)模型和马尔柯夫过程进行预测,并将两者结合形成灰色马尔柯夫铁路客运量预测方法。根据1990年—2002年的铁路客运量数据,预测2003年的客运量以检验模型预测效果,并对我国“十一五”期间铁路客运量进行预测,分析证明基于灰色马尔柯夫过程预测方法的预测可信度。 相似文献
9.
预测胶济线吸收区“九五”期间及其后20年全社会客货运量,以及运输市场特点和发展趋势。运输市场活跃,运量充足,但客运市场竞争激烈。分析了铁路为适应市场、占领市场,胶济线必须进行以客车运行时间控制在4h以内为目标的提速改造。对提速改造工程进行了方案比选。根据改造方案及客流分布,提出胶济线快速列车开行方案。2010年前后,胶济线将开行30对客车,货运量达7000万t。 相似文献
10.
11.
基于傅里叶级数预测模型,以我国2004—2009年铁路客运量为数据基础,通过将时间序列划分为趋势性与季节性部分,分别采用最小二乘法与傅里叶级数法对两者进行拟合,应用Matlab软件编程,求出预测模型,并进行客运量预测。通过对预测结果的误差分析,结果表明:采用傅里叶级数预测法预测我国铁路客运量的效果较好。 相似文献
12.
13.
14.
15.
基于广义回归神经网络的铁路货运量预测 总被引:1,自引:0,他引:1
针对BP神经网络预测存在局部极小缺陷和收敛速度慢的问题,提出基于广义回归神经网络(GRNN)的预测模型。基于我国1999—2008年铁路货运量的历史统计数据,应用GRNN模型和混沌BP神经网络模型对铁路货运量进行预测。通过两种预测模型的计算结果比较说明,GRNN模型具有良好的收敛性和较高的精度,而且模型结构简单、计算速度快,具有良好的实用性。 相似文献
16.
17.
在研究TRAMO/SEATS季节调整模型计算方法的基础上,基于我国铁路2002年1月—2010年2月的客运量月度数据,应用Demetra软件,通过季节调整模型参数设置、模型的估计和检验,得到2010年3月—2012年2月的铁路客运量预测值,并对预测结果进行趋势性和季节性分析。研究结果表明,Tramo/Seats季节调整模型的预测精度较高。 相似文献
18.
残差灰色预测模型在物流需求预测中的应用 总被引:2,自引:0,他引:2
为了提高预测精度,在灰色预测模型的基础上建立残差灰色预测模型,对物流需求进行预测,并以实际铁路货运量算例为基础,作分析比较。结果表明,该方法具有预测精度高、理论可靠、计算简单等优点,具有良好的实用性。 相似文献