基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中，利用时间序列分析方法，预测未来阶段的客流量，都取得了较好的效果。纵观以往的各种客流量预测，都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究，在此基础上，若将单日客流量划分为若干个时间节点，从微观层面将各节点客流量作为单位进行客流的分析预测，以此来预测下一时刻客流量的变化规律，由此可为地铁的预警提供依据。本研究以北京某地铁站两个圊一工作甘的客流量作为研究对象，以15分钟为单位进行时阐段的客流量采集，建立时阈序列，通过已知数据对下一时间点（15分钟内）客流量进行预测，并针对同一工作日的数据进行实证捡验。根据预测结果分析，验证了时闻序列分析在地铁短时客流量预测中应用可行性，以及得出了同一工作日利用同一模型进行预测分析的准确性。     

轨道车站实时动态客流量确定方法文献综述

为了确定轨道车站内的实时动态乘客流量,本文在归纳以往研究者的研究成果之后,分别从数据的收集、乘客特征的分析、客流量预测方面进行了文献的收集和整理,为之后的研究工作起到了一定的整合引导作用.     

基于网络搜索数据的国内旅游客流量预测研究——以北京市国内旅游客流量为例

随着信息技术的快速发展,互联网成为用户获取资料和信息最快捷的途径之一。网络搜索数据记录了数以亿计的搜索关注与需求,反映了市场主体的行为趋势与规律,为研究社会经济行为提供了必要数据基础。本文以北京市旅游客流量为例,从游客的旅游行为角度建立理论概念框架,揭示了网络搜索数据与游客之间的相关关系。通过搜索相关关键词数据并合成搜索指数,实证了北京市搜索数据与月旅游客流量之间存在协整关系,并结合搜索指数与历史数据构建北京市旅游客流量预测模型。分析结果表明,相比于传统的自回归时间序列模型,本模型的预测2013年2月至4月连续3个月旅游客流量的平均绝对误差仅为5.08%,拟合优度高达97.23%。另外,该预测方法可以对北京市旅游客流量进行实时监控,且比国家旅游局的数据发布提前一个月左右。     

基于RBF神经网络的GDP时间序列预测模型研究

对GDP进行高精度的分析预测,对制定经济发展战略、规划年度计划以及各种宏观经济政策,具有重要的理论与现实意义.本文采用RBF神经网络作为工具,建立基于RBF神经网络的GDP时间序列预测模型,并与ARIMA模型进行对比,对上海市22年的GDP数据进行了仿真实验.实验表明,ARIMA模型对上海市GDP数据进行预测的精度仅为91.8754％,而本文提出的RBF_TSF模型的预测精度则高达95.0360％.这表明本文提出的RBF TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度.同时该模型收敛迅速,具有很强的实用价值.     

基于决策树和支持向量机的金融时间序列预测方法

由于传统的金融时间序列预测方法无法有效识别不同领域时间序列的不同特征,从而导致了当前一些时间序列预测方法的不足,无法有效地指导实际研究。文章提出了一种改进的金融时间序列数据预测方法,该方法首先对采集到的数据进行预处理,利用决策树对时间序列进行特征抽取,并建立基于支持向量机的时间序列预测模型,最后对时间序列进行预测。实验结果表明,文章的方法能有效的降低预测模型的复杂度并提高预测精度。     

厦门国际旅游市场的灰色系统关联分析和预测

首先对旅游客流量指标系统进行与时间的关联度分析，判断其序列与时间关联性，再采用灰色数列预测模型根据1991年至2000年间厦门经济特区来自境外的国际游客人次和人天数对未来几年的客流量进行预测，对厦门旅游业的未来发展和规划提出相应政策建议。     

基于Gramer分解定理对我国就业人数变化趋势分析及预测

本文基于时间序列的Gramer分解定理,利用我国就业人数1978年到2007年的历史数据进行实证研究,建立确定性趋势模型和ARMIA模型的组合模型.最后得出组合模型能够很好的预测我国的就业人数,然后运用模型对我国就业人数进行短期预测和分析.     

河北省旅游外汇收入时间序列建模及预测

本文在分析1984年至2011年河北省旅游外汇收入额年度数据的基础上,建立了旅游外汇收入额的ARMA(p,q)模型.首先针对序列的非平稳特征,对河北省旅游外汇收入额变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,然后对序列继续进行差分处理,变成平稳序列,建立河北省旅游外汇收入时间序列的ARMA模型并对模型进行检验,最后将模型用于河北省旅游外汇收入的预测分析.实证结果表明:ARMA(1,1)模型提供了较准确的预测效果,可以用于未来的短期预测.     

基于周期性评价的大学生信用评价机制

大学生信用评价是解决大学生道德缺失的有效途径之一,但当前各种大学生信用评价方法主要集中在对样本进行一次性的评价,缺乏评价结果的稳定性研究.该文的大学生信用评价思路,是建立在多维时间序列信用评价方法基础之上,吸取其时间特性的优势,再周期性的信用评价,同时摒弃信用分级评价思想,各评价指标直接加权后求和,以固定的时间节点来评价求值,形成时间序列的信用评价曲线,以此作为大学生在校期间的信用评价结果,进而作为信用行为的趋势预测依据,形成基于周期性评价的大学生信用评价方法.     

关于经验曲线数学模型的证明及经济意义

一、经验曲线所反映的统计规律及其数学模型美国很多工业生产企业的统计资料都证明 ,累计产品每增加一倍 ,单位产品的耗费时间 ,几乎按同一比例下降。这一比例叫做学习率 (ｌｅａｒｎｉｎｇｒａｔｅ) ,记为ｋ。我们把单位产品的平均耗费时间ｙ随产品数ｘ变化的函数图象称为经验曲线。经验曲线在生产研究中被广泛运用 ,许多单位都有反映产量、总工时以及平均工时的统计数据 ,我们可以从这些数据中分析出单位产品平均耗时的经验曲线 ,并用之对以后的生产进行预测和规划。如预测计划产量下单位产品的平均工时及总工时 ,进一步测算出所需求的工…