基于GRNN神经网络的货运量预测研究

文章以全国统计局货运量的历史数据为基本数据,考虑影响货运量的8个因素,采用GRNN模型对货运量(货运总量、铁路货运量和公路货运量)进行预测,并将结果与真实值拟合比较。结果表明:该方法在预测货运量方面能够达到较好的效果,尤其在径向基函数的扩展速度为0.4时,预测结果最好。     

某城市物流中心货运需求量预测方法的分析研究

针对腹地经济发展和物流业发展现状,首先以蚌埠市历年公路货运量统计数据为基础,采取多种预测方法对特征年公路货运量进行预测;以2011年蚌埠市公路货运站场货运需求量占公路货运量比例为基础,分析今后公路货运发展趋势,预测其所占市场份额的变化,结合预测的公路货运量,预测得到特征年蚌埠市公路货运站场货运需求量;根据该项目的功能定位,确定该项目的站场吞吐量。     

分形理论在货运量预测中的应用探讨

在已有研究的基础上，提出了一种新的分形预测模型——等长度递补变维分形模型。首先阐述了等长度递补变维分形模型的基本原理；然后利用该模型对1990年～2004年我国货运量进行了预测，并利用后验差方法分析了模型的精度；最后利用模型预测了2005年～2010年我国货运量及其构成（铁路、公路和水运各自所占比重）.     

铁路货运量的组合预测方法研究

铁路货运量预测作为铁路运输生产的基础工作之一,是铁路企业制订正确的营销战略的前提.在现有的铁路货运量预测模型中,采用的方法不同,预测的结果也不尽相同,而组合预测方法能够结合各种预测方法的有用信息,对目标进行科学的预测.本文探讨了在非负权重条件下,线性组合预测和非线性组合预测的模型,并以历年的铁路货运量为实例进了论证,实践结果令人满意.     

声音

目前,我国公路货运量占到了全国货运总量的80%以上,其中铁路占比10%。不过,这种现状将会改变,公路与铁路运力对比的实质性变化预计将出现在2012年。——张江宇     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模。在分析某铁路以往货运量的基础上,确定了混合神经网络的特征参数,并根据实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型。     

天津经济技术开发区货运发展预测

以天津经济技术开发区公路货运量和国民经济发展的历史数据为依据,结合产业结构变化,在货运量校核的基础上运用多项式回归模型、指数回归模型、多元线性回归模型对开发区的货运量进行了预测。并选用多元线性回归预测的货运量值预测了货运车辆数。     

天津经济技术开发区货运发展预测

以天津经济技术开发区公路货运量和国民经济发展的历史数据为依据,结合产业结构变化,在货运量校核的基础上运用多项式回归模型、指数回归模型、多元线性回归模型对开发区的货运量进行了预测.并选用多元线性回归预测的货运量值预测了货运车辆数.     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性,介绍了国内外丰要预测方法.归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤.同时探讨了参数的标定和修正过程.利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用LibSVM软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用.     

基于支持向量机的公路货运量预测方法研究

首先分析了公路货运量预测的重要性，介绍了国内外主要预测方法。归纳总结了支持向量机的核心思想和基本原理，利用此较新的理论建立了公路货运量预测模型，给出了构建模型的具体分析步骤，同时探讨了参数的标定和修正过程。利用北京市基础数据，建立北京市公路货运量预测的支持向量机模型，并应用LibSVM软件进行预测，预测结果验证了模型的有效性和可行性，表明方法可以推广并可实际应用。     

基于多因素的国家铁路货运量预测研究

本文以国家铁路货运量为预测研究对象,在选取对其产生影响的8个因素的基础上,首先,运用多元线性回归的方法来进行预测,得出了多元线性回归方程。其次,运用BP神经网络的方法以三个因素作为网络输入来进行预测,得到了更好的预测结果。最后,通过对比两种方法的预测结果,总结出了适合国家铁路货运量预测的方法。     

基于混合神经网络的铁路货运量预测研究

为精确的预测铁路的货运量,采用了混合神经网络的方法进行建模.在分析某铁路以往货运最的基础上,确定了混合神经网络的特征参数,并根捌实际情况确定了输入层和隐含层的神经元个数,从而得到了模型的结构,最终建立了一个用于预测铁路货运量的混合神经网络模型.     

重庆市公路货运量与经济增长关系的协整分析

利用协整理论及Eviews软件,对重庆市2000年-2014年公路货运量与经济发展相关指标进行协整分析,发现公路货运量与经济指标之间存在长期的均衡关系.Granger因果检验表明,公路货运量与公路里程数、 工业企业总数之间存在单项的Granger因果关系;与GDP互为Granger因果关系.正交脉冲响应与方差分解说明,GDP对公路货运量的影响程度强于公路货运量对GDP的影响程度.     

浅谈铁路企业的税收筹划

随着世界经济全球化的进程不断加快，我国正式加入世界贸易组织(WTO)，铁路企业与民航、公路、水路等运输企业的竞争也日趋激烈，如在公路运输方面，外国的汽车将进入我国市场，加大同铁路争夺客、货运量的能力。在民航运输方面，我国将继续购买外国的飞机，用来提高民航的运输能力，使其同铁路竞争的实力     

灰色预测模型在公路货运量预测中的应用

论述了灰色预测模型在公路货运量预测中的应用技术、方法与程序。该方法利用了累加生成手段和微分方程描述的灰色模型,与目前常规货运量预测理论和模型相比,可有效地处理小样本、贫信息的不确定系统,并在一定预测时段内具有良好的预测精度和实用性。     

灰色预测模型在国内物流货运量预测中的应用

由于在全国范围内对物流货运量的影响因素众多,数据较为庞大,统计过程较为复杂,所以存在"部分信息确定,部分信息不确定"的情况,可以运用灰色预测模型对国内物流货运量进行预测。文章建立灰色预测模型,分析该灰色预测模型对国内物流货运量预测是否有效,模型运用是否合理,在模型运用合理结果有效的前提下,对未来的国内物流货运量进行了预测。     

基于灰色模型的怀来公路货运量预测的研究

为了把怀来建设成为京西物流港,以系统工程学、交通规划为基础,采用灰色预测模型法,先对怀来公路货物运输量进行实地调查．通过把调查的数据整理聚类分析,以数据为依据构造怀来公路货运灰色模型,用该模型对怀来的货运量进行预测,并对灰色模型进行了验证,最后确定了近期怀来公路货运量,同时也为交通部门制定相关政策和科学决策提供了强有力的依据。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.     

2008年一季度交通运输完成情况发布

一季度．全社会货运量55-3亿吨．同比增长10．6％。其中．铁路货运量8．1亿吨．增长7．1％;公路货运量40．5亿吨．增长10．7％;水运货运量6．7亿吨．增长14．7％。沿海主要港口货物吞吐量10．5亿吨．增长15．6％;其中外贸货物4．4亿吨．增长10．9％．     

基于优化灰色-马尔可夫链模型的铁路货运量预测

在传统的灰色预测模型中,传统背景值公式和初始值的选取方法会造成模型产生偏差。通过对背景值公式的改进和初始值选取方法的变化,构造出预测精度更高的灰色模型,即优化GM(1,1),并将优化GM(1,1)与马尔可夫链预测相结合,对我国的铁路货运量进行了预测分析,得出了相应的预测区间及其发生概率。通过理论分析和算例表明,该方法的预测结果比传统灰色模型预测结果更加可靠。