共查询到20条相似文献,搜索用时 0 毫秒
1.
用灰色模型预测铁路旅客运输量发趋势 总被引:3,自引:1,他引:3
预测旅客运量对正确制定铁路旅客运输发展规划和决策极为重要由于客运量的受多种因素影响,用线性预测方法误差较大,用灰色模型预测方法较为准确,尤其适用于近期运量的预测。灰色预测的基本模型为GM(1,1)相应的微分方程为dx(1)(t)/dt+ax^(1)(t)=u并通过实测对1996年-2000年的铁路客运量进行预测。 相似文献
2.
3.
阐述灰色马尔可夫链预测模型原理,根据灰色预测思想和马尔可夫链预测思想,将灰色GM(1,1)预测模型结合马尔可夫链状态转移,能较好地反映铁路客运量的发展规律。通过对我国铁路客运量预测的实证分析,说明灰色马尔可夫链预测模型对于具有一定波动性和随机性的铁路客运量有较高的预测精度。 相似文献
4.
基于灰色预测模型的铁路客运量预测研究 总被引:4,自引:0,他引:4
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。 相似文献
5.
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
6.
7.
由于传统的预测方法难以对影响铁路客运量变化的因素进行全面考虑,其预测精度不高.选择影响铁路客运量变化的因素:经济社会发展的原生性需求、铁路自身供给能力、不同交通方式、客运价格和旅行费用、运输服务质量等,建立基于自组织数据挖掘的铁路客运量预测模型.通过算例进行验算结果表明,自组织数据挖掘建模预测方法在变量多、数据少、普通的建模预测方法难以胜任建模任务的情况下,可以得到较满意的结果,适宜进行多因素的铁路客运量预测. 相似文献
8.
铁路客运专线建成后,其运量主要由趋势客运量、转移客运量和诱增客运量3部分组成。指出在转移和诱增客运量预测中应注意OD调查购准确性、服务特性的拟定和模型参数的标定。同时提出客运量分配时应注意的几个原则,以及有待进一步研究的主要问题。 相似文献
9.
为适应交通运输业的发展,将运输需求的合成预测方法引入铁路客运量预测中,结合铁路客运量具有双峰形态分布随机变量的特点,对预测概率模型进行改进,得出“十五”末期铁路客运量的预测值,以及铁路月度客运量频率散点图和拟合概率曲线,为铁路运输的宏观指导、组织协调和生产、建设提供依据。 相似文献
10.
11.
12.
13.
随着我国经济的快速发展和社会进步,旅客出行更加注重运输的便捷性、舒适性、安全性等,客运量规模和增长速度是衡量铁路运营效果的一项重要指标。在分析各种客运量预测模型的基础上,通过对线性回归预测模型的结果进行马尔可夫链改进,可以提高铁路客运量预测的准确性,但回归-马尔可夫预测模型的应用还需要不断完善。 相似文献
14.
15.
16.
为提高铁路客运量预测精度,提出Newton插值法对客运量原始数据进行预处理以解决因节假日或重大事件造成的数据异常问题。另外,引入超松弛技术(OR)对铁路客运量预测结果进行修正,提出非线性递减权重改进粒子群算法以优化松弛因子。最后,将Newton插值法、超松弛技术与GM(1,1)和BP神经网络预测相结合,提出铁路客运量Newton-GM-BP-OR组合预测方法,并以北京市铁路客运量预测为例验证预测方法的有效性。研究结果表明,基于Newton插值法处理异常客运量数据的预测效果较基于原始数据序列更好,改进的粒子群算法在求解松弛因子过程中体现出更好的寻优能力和收敛速度,且超松弛技术对GM(1,1)和BP神经网络预测结果的修正也使得Newton-GM-BP-OR组合预测方法具有更高的预测精度。 相似文献
17.
18.
19.
20.
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