跨海大桥交通事件特征分析与预测方法

本文基于某跨海大桥交通事件及流量数据,分析了跨海大桥流量和交通事件时间特征,选用SARIMA模型在时间序列上开展了线性拟合,考虑流量和车型比例对事件数的影响,结合SVM模型对时间序列开展了非线性逼近,采用基于季节性差分自回归滑动平均(SARIMA)模型和支持向量机(SVM)模型,运用最优加权法确定组合模型的权重系数,建立了基于SARIMA模型和SVM模型两种单一预测方法的最优加权组合预测模型,对跨海大桥交通事件数做出趋势预测。结果表明:交通事件时间序列呈现出较为明显的趋势性、周期性和季节性规律,同时受流量及各车型比例的影响;最优加权组合模型综合利用了SARIMA模型、SVM模型的有效信息,均方根误差(RSME)降低到1.94,预测精度优于单一模型,可为跨海大桥交通安全预测与评价提供理论依据。     

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.     

陕西省农村公路养护资金需求量预测

本文给出了陕西省农村公路资金需求量预测的思路,得出了未来五年陕西省农村公路里程预测值,按照一定的权重,结合四个重点示范县单位养护资金预测值,推算出未来5年陕西省农村公路加权单位养护费用预测,并最终得出未来5年陕西省农村公路养护资金预测值。     

组合预测法在物流需求中的应用

理论研究和实践表明，组合预测模型比单个预测模型具有更高的精度，能增强预测的稳定性，具有较高的适应未来预测环境变化的能力。笔者旨在通过基于Shapley值权重分配法的组合预测模型来研究物流需求预测的问题。     

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。     

基于组合权重TOPSIS的超限货物运输方案评价

超限货物运输方案是铁路安全运输超限货物的重要前提和保障。为实现超限货物运输方案的优选,提出一种基于组合权重和TOPSIS法的铁路超限货物运输方案评价模型。从装载加固方案、线路条件、运输组织复杂程度和运输费用4个方面分析超限货物运输方案的影响因素,确定方案评价指标,构建综合评价指标体系。运用博弈论原理计算方案评价指标的组合权重,其中主观权重由G1法确定,客观权重由熵权法确定。运用TOPSIS法对运输方案进行评价,构建基于组合权重和TOPSIS法的超限货物运输方案的综合评价模型。最后给出超限货物运输实例,运用所构建的评价模型对各运输方案进行评价。结果表明,建立的方案评价模型能够科学、合理地对超限货物运输方案进行比选。     

基于Newton插值与超松弛技术的铁路客运量预测研究

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。     

物流中心选址影响因素分析及案例

本文对物流中心的选择原则、自然环境影响因素、经济环境影响因素等进行了系统的分析研究：以武汉通诚物流公司为例采用加权因素法对三个参考地址进行了分析,通过确定影响因素和影响权重定量地分析了东西湖是最佳选择。     

基于支持向量周期回归的机场加油量预测

本文精确地预测各机场短期加油量,可帮助航油公司确定采购量和库存量,从而达到降低成本的目的。在分析了影响机场加油量的主要因素之后,以支持向量机回归理论为基础,带周期的支持向量回归机被提出,并对机场加油量时间序列进行预测,同时将该预测结果与其他方法的预测结果进行了比较。研究表明,带周期的支持向量机回归比传统预测方法对机场加油量时间序列有更高的预测精度。     

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。     

基于不确定多属性计算评价城市交通系统的方法研究

提出了评价内容涉及交通系统功能水平、交通发展协调水平、资源利用水平和环境影响水平4个方面,由31项属性指标构成城市交通系统评价指标体系,并根据评价中残缺的评价判断信息、混合的判断信息反映出的不确定、模糊的实际情况,分别采取辅助矩阵的方法和最小偏差函数的线性目标方法计算确定权重,并采用加权算术平均和组合加权算术平均方法进行各项指标综合,得到交通发展综合评价值。     

交通方式多目标优选的决策分析

在分析传统的方案比选方法存在问题的基础上,根据交通运输方式的特点和影响,选取灰色关联度分析法作为优选方法,重点对该方法中各方案特征指标权重的确定进行研究,通过对权重进行局部优化,最后再组合赋权,以求得更加客现的权重,弥补了由专家直接赋权的不足.最后通过实例应用对模型进行了验证.     

组合评价法在综合交通枢纽客运站布局评价中的应用

在确定枢纽客运站布局评价指标体系的基础上,将组合评价法应用于枢纽客运站布局的评价,首先采用层次分析法与熵值法相结合的赋权方法确定指标的权重,再通过基于关联度分析的灰色综合评价方法,计算出备选方案与最优方案之间的关联度,从而得到备选方案的优劣次序。通过实例分析说明组合评价法科学合理、简便易行。     

铁路集装箱运量预测与影响因素分析

运用时间序列的趋势外推法、灰色预测和组合预测方法对我国铁路集装箱运量进行了预测,在此基础上运用因子分析方法对影响铁路集装箱运量的因素进行了分析,得到了国民经济宏观因素和外界竞争因素对铁路集装箱运量具有影响的两个解释性因子。     

组合预测算法在世界海运周转量预测中的应用

世界海运周转量的变动是判断航运市场运力需求的主要指标，也是研究和分析航运市场和船舶市场发展变化的重要因素之一。然而世界海运周转量的变动受到一系列十分复杂的因素的影响，用一般的方法难以对其进行准确预测。因此笔者首先运用灰色系统和神经网络等预测方法分别对其进行预测．然后再通过组合预测法进行预测以期达到更加准确的预测效果。     

基于云模型和组合赋权法的高速铁路行车调度系统可靠性评估

高速铁路行车调度系统的可靠性关系到整个高速铁路运输系统的安全,对其展开可靠性评估对于保证高速铁路行车调度系统的安全,提高系统的抗风险能力具有重要意义。考虑到高速铁路行车调度系统的复杂性,提出一种基于云模型和组合赋权法的评估方法。该方法采用云模型对系统的可靠性进行表征,并分别利用G1法和CRITIC法来计算系统设备的主客观权重,在此基础上通过基于博弈论思想的组合赋权法获取设备的组合权重,然后根据云模型的加权运算求得高速铁路行车调度系统可靠性评估云,将其与可靠性等级评语云进行相似性度量,进而得到评估结果。最后将该方法运用到某条高速铁路行车调度系统的可靠性评估中,评估结果表明该系统运行良好,可以实现高速铁路行车调度系统的主要功能。     

基于EEMD-BP方法的城市轨道交通进站客流短期预测

城市轨道交通站点客流量是评价其服务水平和实现城市轨道交通资源有效配置的基础数据和依据。针对城市轨道交通站点进站客流量序列波动复杂的问题,构建基于EEMD-BP方法的城市轨道交通进站客流短期预测模型,通过对城市轨道交通站点的日间分时进站客流序列进行模态分解,并对分解的分量进行筛选和识别,探究进站客流的日间波动影响因素,实现对短期客流的合理预测。以广州珠江新城站短期客流预测为例,验证该组合模型在提高客流预测方面具有有效性,为城市轨道交通线网规划和运营管理提供客流预测依据。     

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。     

基于层次分析法的铁路运输岗位评价要素权重确定

阐述了在岗位评价中选择层次分析法的理论依据及设计思路,在问卷调查和预测试的基础上,对层次分析法在铁路运输岗位评价要素权重确定的实践中存在问题进行了修正.最后对铁路运输岗位评价中各要素权重进行了再测试和确定.     

基于模糊补偿的组合预测方法研究

基于组合预测的模糊补偿预测系统是一种适用于波动加大且受环境影响较大的需求预测方法。具有广阔的应用前景，笔者提供了一种应用定性信息进行预测的机制。[编者按]