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。     

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。     

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。     

铁路外贸货运量组合预测方法的研究

通过对铁路外贸货运量预测方法进行研究,提出利用灰色理论进行预测模型优选,进而建立组合预测模型开展预测的系统方法。实例计算结果表明该模型预测效果较好。     

正确运用客货运量预测方法为铁路发展提供决策支持

对铁路客货运量预测方法的应用现状进行分析,从观察客运量与货运量不同的波动变化特点入手,在论述铁路运输需求、运输量、运输供给能力之间关系的基础上,提出客运量与货运量不同预测模型的选用。     

基于径向基神经网络的铁路短期客流预测

在分析径向基神经网络原理和铁路客流时序特征的基础上,建立基于径向基神经网络的铁路短期客流预测模型,通过径向基神经网络把客运量的年规律、周规律等时间属性有机结合,有效解决客流数据的复杂性和非线性问题。以T15次列车为例进行硬座席别的客运量预测结果表明,径向基神经网络预测模型对铁路短期客流的预测效果较好。     

基于ABC和BP神经网络的铁路货运成本预测研究

运用作业成本法,结合BP神经网络理论建立铁路货运成本预测模型。通过案例分析,得出BP神经网络可以更准确的预测铁路货运成本费用的结论。     

运用前向神经网络法预测铁路客运量

为提高铁路客运量的预测精度,应用一种非线性预测方法:多层前向神经网络建立铁路客运量预测模型。在介绍误差修正学习算法和误差反向算法的基础上,通过预测实例计算,与其他3个常用预测模型:多元回归模型、简单移动模型和平均移动模型进行预测比较,结果表明误差反向算法的多层前向神经网络模型预测精度最高。     

组合预测模型在铁路集装箱运量预测中的应用

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.     

关于铁路货运量预测研究

采用灰色关联分析方法选取影响铁路货运量变化的宏观影响因素,运用多变量灰色MGM(1,4)模型预测未来4年铁路货运量,预测结果通过后验差检验,精度较好。     

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。     

应用改进重力模型法预测铁路行包OD运量的研究

对铁路行包OD运量的预测提出一种基于重力模型的改进方法。针对不完整的OD调查数据,运用综合阻抗的概念,首先在样本值的范围内进行模型标定,然后扩大样本值,运用标定好的重力模型重新预测并调整,最后得到完整的OD数据。实证结果表明,采用改进的重力模型比传统的重力模型预测结果更接近实际,可用于铁路行包运输OD运量预测。     

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。     

我国铁路货运需求结构的VAR模型分析

在建立铁路货运量、国民经济、铁路网扩展的协整VAR模型基础上,分析三者之间的长期均衡关系和短期动态关系。结果表明,在长期中,铁路货运量随国民经济增长呈缓慢增长趋势,而随铁路网扩展呈较快增长趋势。在短期中,国民经济是铁路货运量的重要影响因素;铁路货运量和铁路网扩展对国民经济影响不大;铁路货运量是铁路网扩展的重要影响因素,而国民经济变化对其影响不大。