铁路货运量组合预测模型的研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路运输企业制定正确市场营销战略的前提条件。传统的预测方法已经不能适应日益复杂的运量预测需要,因此借鉴国内各种运输方式的运量预测方法,并与铁路的特点相结合,提出适应我国铁路情况的多种预测方法相结合的组合预测模型体系和方法,并通过实例计算,得出2003年—2005年铁路货运量的预测结果。     

建立铁路货运量季节性预测模型的研究

铁路货运量预测是编制运输方案的依据,目前采用的预测方法,难以全面、科学地反映数据的内在结构和复杂性,以年度为单位预测时,误差不大,但按月度预测时,则误差较大。为此利用三角函数周期性的特点,辅以线性趋势变动,建立适合不同预测期限、不同预测精度的季节性预测模型,经实例检测能够较为准确地预测月计划运输量。     

基于Holt-Winter模型的铁路货运量预测研究

建立Holt-Winter预测模型，将具有线性趋势、季节变动和随机波动的时间序列进行分解研究，并与指数平滑法相结合，分别对长期趋势、趋势的增量和季节波动做出估计。介绍该模型的3个平滑方程和1个预测公式，以及初始值的计算和最优加权系数值的确定。通过实证分析，将预测结果与常用模型进行比较，说明该模型的预测精度较高。     

云南铁路货运量增长问题研究

在分析国内外铁路货运需求增长模型的基础上,提出铁路货运需求增长过程的4阶段划分理论,结合云南铁路发展滞后的现状,建立了消除铁路货运能力限制的货运量增长模型。通过对云南铁路货运量和货运需求量的计算,应用MATLAB仿真技术验证了模型的正确性,并对云南铁路货运量和货运需求量进行了预测。     

基于广义回归神经网络的铁路货运量预测

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。     

川渝东出铁路通道分工及铁路货运量预测

<正>推动长江经济带发展，是党中央作出的重大决策。充分发挥好铁路大运量、高时效、绿色的比较优势，研究沿江货运铁路通道分工，对支撑沿江综合交通运输体系具有重要意义。笔者以川渝东出货运为切入点，分析东出货运需求趋势，研究铁路通道构成及分工，预测铁路货运需求，为缓解长江黄金航道运输压力、支撑长江经济带高质量发展提供有力支撑。     

模糊神经网络非线性组合预测在铁路货运量预测中的应用

准确的铁路货运量预测关系到铁路运输的发展,为此提出模糊神经网络非线性组合预测模型,应用三次指数预测模型、灰色理论预测模型、多元回归预测模型的预测值作为模糊神经网络的测试样本数据库,输出样本为铁路货运量,并采用全局优化的粒子群算法优化模糊神经网络的参数。仿真结果表明该模型能够取得比单项预测模型更高的精度。     

铁路运输与经济发展水平的协整分析

基于河南省改革开放以来的时间序列数据,发现铁路运输和经济发展水平等因素之间存在着协整关系,各变量实现了同步增长,从而经济系统具有长期稳定均衡。进一步的向量误差修正模型显示,近年来铁路运输发展水平使当前经济系统正在以日渐加快的速度偏离既有长期均衡。     

基于BP-SA混合优化策略的铁路货运量时间序列预测

铁路货运量的时间序列预测可以看为一个从输入到输出的非线性影射。神经网络尤其是BP神经网络,被广泛用于非线性逼近问题。但是,BP算法训练神经网络速度慢、易陷入局部极值。而模拟退火算法(SA)具有很好的全局寻优性。因而提出混合优化策略,即将反向传播算法(BP)和模拟退火算法(SA)结合起来训练神经网络,来实现铁路货运量的时间序列预测。与单纯的BP算法比较,数值计算结果表明BP-SA混合优化策略具有较高的速度和精度。     

铁路运量与国民经济周期关系的经验研究

基于产品生命周期理论,对1978—2010年我国铁路客货运量和GDP统计数据进行研究,分析铁路运输产品的增长变化规律,认为铁路运输量增长率波动与国民经济增长率波动基本同步,都大致经历了4个周期性波动。通过揭示铁路运输的周期波动规律,提出铁路运输发展的政策建议。     

基于分形理论的铁路客货运量预测

在阐述分形基本理论和分析铁路运输时间序列分形特性的基础上,基于变维分形理论对铁路客货运量进行预测。根据铁路运量分形预测原理及步骤,以全国铁路运量预测为例进行分析,计算得到铁路2012年、2015年、2020年的客货运量,以及2010—2020年的客货运量增长率,并对预测结果进行了具体分析。     

铁路集装箱场区安全布局评价研究

铁路集装箱场区的布局在体现基本运输功能和满足生产工艺要求的基础上，要综合考虑其各种安全因素。通过分析铁路集装箱场区安全布局的内外部影响因素，建立安全布局的综合评价指标体系，采用基于Rough Set的算法进行综合评价。通过算例对铁路集装箱场区的布局进行综合评价，结果证明了算法的实用性和可行性。     

铁路货运高质量发展策略研究

2021年,全路货运系统深入推进运输结构调整,大力实施以货补客,深化货运组织改革,高站位完成重点物资保供任务,高质量完成多式联运发展目标,货运服务质量和信息化水平进一步提升,货运安全管理进一步强化,货运安全局面持续稳定。2022年,全路货运系统要抢抓机遇、担当作为,深入开展货运安全专项整治、强化货运专业管理基础、扩大“公转铁”工作成效、加快集装箱多式联运发展、促进专业物流稳步增量、服务“一带一路”建设,在全面深化基础管理、持续推进运输结构调整、优化“一带一路”铁路运输组织、持续深化货运组织改革、强化队伍建设和监督检查上取得新成效,奋力推动铁路货运高质量发展。     

铁路运输与区域经济系统相关性与协调性定量评价

交通运输与区域经济是相互影响、相互促进和相互制约的两个系统,两者之间只有形成一种动态平衡协调关系,才能相互促进、协调发展。利用相关性分析与灰色关联度模型对铁路运输与河南省区域经济两个系统的相关性进行了定量分析;对于交通运输与区域经济发展的协调性,运用多维灰色动态协调模型,进行数学建模分析。通过运用多种量化工具,分析结果表明,铁路运输与区域经济发展之间相关性极高,应加强铁路运输适应区域经济发展的需求。根据上述结论,提出相关建议。     

京津城际铁路区域经济影响评价

运用运输经济学和区域经济学的相关理论,从缓解运输紧张状况、节约旅行时间、促进经济一体化、带动高新产业和第三产业发展等方面,探讨京津城际铁路的优势及其对区域经济的影响机理。采用有无对比法,通过建立数学模型,对京津城际铁路的区域经济影响进行定量实证评价。     

基于傅里叶级数的铁路客运量预测研究

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。     

基于IPSO-BP神经网络的铁路客运量预测

在分析有关铁路客运量预测方法的基础上,针对BP神经网络模型存在的不足,提出基于粒子群优化算法(PSO)优化BP神经网络的参数,即改进的PSO方法(IPSO)。以我国1990—2007年的铁路客运量为研究对象,确定输入样本和输出样本,以及训练集和测试集,建立基于IPSO的BP神经网络优化模型预测铁路客运量。预测结果表明,IPSO-BP网络的算法训练时间短,收敛速度快,预测精度高。     

基于灰色预测模型的铁路客运量预测研究

在介绍灰色预测基本原理和算法的基础上,应用灰色预测理论开发了基于MATLAB的铁路客运量预测程序,主要功能是以交互的方式输入数据,动态输出显示模型曲线图形和方程。通过建立株洲站旅客发送量的灰色预测模型,说明利用灰色模型预测铁路客运量具有良好的精度,可以为客流组织提供依据。