基于PSO-SVR模型的煤炭铁路物流需求预测

在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机（support vectorreg ression,SVR）与粒子群算法（Particle Swarm Optimization,PSO）相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。     

基于GM（1,1）模型群的重庆货运量预测研究

货运量是货运市场体系中的重要统计指标,预测货运量发展趋势是制定货运发展战略的前提和基础。文章根据重庆市货运发展状况,收集了重庆2001-2011年货运量的数据,采用GM(1,1)模型群对重庆市货运量进行模拟、预测。经过模型精度检验,最后选择等维灰数递补GM(1,1)模型对未来四年内的重庆货运量进行预测。     

我国铁路货运量演化趋势及其运营对策

在我国经济发展新形势下,国民经济增速放缓、产业结构优化升级,铁路货运量受到了极大的影响。基于经济大环境的角度,结合国民经济对社会总货运量的影响、产业结构调整和国家政策对货物运输结构的作用,综合运输化理论等分析铁路货运量演化趋势。并根据货运市场需求变化,完善铁路货运量运营指标,并提出铁路货运运营改革建议,以期从更加多维的角度共同研究铁路货运发展前景。     

铁路货运量预测过程中的关键技术分析

可靠的铁路货运量预测对铁路部门计划、建设、运营等决策具有重要意义。主要影响因素筛选、预测方法选取等是预测过程中的关键技术问题,对预测质量有重要影响。基于已有研究成果,首先分析了预测机理,探讨了影响因素的界定方法;接着提出了主要影响因素的识别原则和策略;然后归纳出各主要预测方法的优缺点;最后给出相关建议,以期更加科学合理地预测铁路货运量。     

青海省物流需求规模预测的实证分析

运用灰色GM（1,1）预测模型,选取货运量为指标,根据统计数据建立了青海省铁路和公路物流需求规模模型,并对青海省十二五期间的物流需求规模进行了预测,在一定程度上能够为青海省物流业发展提供定量依据。     

基于BP神经网络的辽宁省物流需求预测研究

物流需求预测对经济发展具有重要作用。选取辽宁省2004—2021年的7个经济指标影响因素作为输入指标,货物运输量作为物流需求的输出指标,利用MATLAB R2022b软件,对辽宁省物流需求进行预测。利用灰色关联度分析法,对经济指标影响因素的关联度进行分析。结果认为,输入指标与输出指标具有较强关联度。随后,基于BP神经网络法构建物流需求预测模型,经过仿真预测,BP神经网络模型对物流需求预测具有有效性。     

基于灰色神经网络模型的建筑物变形预测方法研究

将灰色理论与BP神经网络有机地结合，建立灰色神经网络模型用于建筑物变形预测，通过建筑物变形的实测时间序列资料，分析模型的预测精度，与通常采用的人工神经网络和灰色系统模型等预测方法进行比较，反映该模型能取长补短，并具有所需信息量少与精度高等优点。     

物流发展驱动要素对经济增长贡献度的区域差异性研究——基于丝绸之路经济带西北地区面板数据模型的实证分析

丝绸之路经济带西北地区作为中国连通东亚、中亚的重要对外窗口,加强物流业发展可促进贸易畅通、经济增长,深化中国与东、中亚各国的合作领域。本文基于探析物流发展与经济增长机理的基础上,应用面板数据固定效应变系数模型,以货运量、货运周转量和物流业增加值作为物流发展驱动要素替代指标,选取丝绸之路经济带西北地区五省1952—2012年作为样本区间,研究丝绸之路经济带物流发展对经济增长的贡献。研究表明,丝绸之路经济带西北地区物流发展对经济增长具有较大贡献,但货运量、货运周转量和物流业增加值对拉动经济增长的贡献程度具有区域差异性。     

1998年以来长沙市城区商品住宅价格变化特征及趋势预测

在对1998年以来长沙市城区商品住宅价格变化进行分析的基础上,文章通过多元回归和灰色关联等模型对长沙市未来几年的商品住宅价格进行预测.     

北京市垃圾产生量的预测——基于三种预测模型的比较

文章以2000~2011年北京市垃圾清运量的数据为基础,依次建立线性回归模型、灰色预测模型和BP神经网络模型,并分别利用三种模型预测出2012年的垃圾清运量。通过预测结果与实际数据的对比,得出BP神经网络模型比较适合预测北京市垃圾产生量。最后,文章利用BP神经网络模型预测出了未来10年北京市的垃圾产生量,并根据预测结果提出了结论和建议。     

综合交通运输体系构建与困境摆脱:铁路行业例证

十一五时期以来,我国增加了对铁路建设的投资,加快铁路发展建设。铁路客运由于地域差异,货运量规模也体现出区域差异,铁路客运在时间上表现出季节性供给不足。解决客运难、货运难的问题,除加速铁路里程建设,还要重点加强跨区域的铁路建设并合理组织铁路的运营、构建和谐的综合交通运输体系。     

市场情绪对股票走势的影响分析及预测

为探究投资者情绪对股票走势的影响,利用R软件的爬虫技术将人们对股票市场的看法抓取下来,将文本中的隐含情绪分为积极、消极及中性3种类别,并依此构建情绪得分作为市场情绪量化的结果.利用单位根检验等方法对上证指数与投资者情绪的因果关系进行探究并建立VAR模型.为更好地判断市场情绪对股票走势的影响程度,分别构建加入情绪得分前后的BP神经网络模型对上证指数收益率进行预测,比较两个模型的优劣,从而发现当股票预测模型加入市场情绪指标后误差更小,预测更为准确.     

基于百度指数的公路运价指数RO-ELM预测

公路运价指数是公路运输市场波动的衡量指标,对中国的公路运输业有重要的预示功能.利用极限学习机(ELM)的神经网络模型快速、低成本预测公路运价指数.以各百度指数与公路运价指数的相关性确定各分量对公路运价指数的影响,进而利用ADF平稳性检验与Johansen协整检验构建输入序列,最后运用时域优化思想优化输入变量,在ELM神经网络模型内输出预测值.结果表明:基于滚动窗口的ELM模型的MAPE与RMSE分别为1.85％ 与25.17,比单一ELM模型在平均绝对百分比误差和均方根误差上都有提升,预测结果与指数波动相符,可以为公路运价指数的走向提供决策参考.     

我国经济水平与管道物流水平之间的作用研究——基于向量误差修正模型的应用

基于1990年到2014年国内生产总值、管道货运量、管道里程数的时间序列数据。在通过平稳性检验和协整检验后建立向量误差修正模型,并进行格兰杰因果分析和脉冲响应分析,对我国经济增长和管道物流之间的关系进行实证研究。通过协整检验可以得到,各变量之间确实存在着长期的均衡关系。格兰杰因果检验分析表明：在10%的显著性水平下,国内生产总值与管道货运量之间存在着单向格兰杰因果关系,管道货运量不是经济增长的格兰杰原因,其他变量之间在5%的显著性水平下都通过了格兰杰因果检验。脉冲响应函数得出：给GDP和管道里程数一个正向冲击,长期来看都会促进管道货运量的增长,而给管道货运量一个正向冲击,没有表现出拉动经济增长的效果,可以说明管道物流发展水平还处于初级阶段,有关部门应该调整管道货运政策,更好的发挥管道这一运输方式的作用。     

我国铁路货运市场现状及营销发展战略研究

分析了我国铁路货运市场现状,并运用SWOT分析法对我国铁路货运市场营销的优势和劣势、机会和威胁进行了分析,提出了重点发展大宗货物直达运输、加强信息化建设、发展铁路货运现代化物流、提供特色服务、人才培养、优化运输组织等发展战略。     

基于BP神经网络的中、美贸易预测研究

根据中、美贸易的经济研究背景,分析中、美贸易重要影响指标,对其进行线性回归分析,发现中、美贸易额与各指标之间不是简单的线性相关,且各指标之间存在相互关系,所以不能用单一的线性回归模型进行预测。而BP神经网络具有非线性映射、自适应学习和良好的泛化能力等特征,运用BP神经网络模型对中、美贸易进行实证预测,大大提高了预测精度,取得了较好的效果。