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。     

铁路累计货运周转量同比下降

伴随着航空、公路等货物运输方式的飞速发展,我国铁路货运迎来了前所未有的挑战。如何应对并找到一条适合自己的发展之路,已成为我国铁路货运亟待解决的问题。     

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。     

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.     

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.     

基于灰色GM(1.1)模型的国内通用航空事故预测

为研究国内通航事故发展趋势,根据2008-2015年国内通航事故发生起数,人员伤亡数据,建立通航事故灰色GM(1.1)模型,通过MATLAB运算,验证预测数据与实际数据的拟合情况.结果表明,该模型的预测趋势与历年实际趋势相一致,对通航事故预测具有一定实用性.     

基于GM(1,1)模型的中英电子商务交易规模预测

文章分析了中国和英国的电子商务发展环境,论述了中英两国的商业基础设施、品牌意识和消费文化。基于灰色预测模型,预测两个国家的电子商务交易规模。根据预测结果,分析两国的电子商务发展趋势,并为从事电商行业的企业提供发展建议。     

基于ARIMA模型的武汉市铁路货运周转量预测研究

本文基于ARIMA模型对武汉市铁路货运周转量预测进行了研究,模型的回归和拟合效果良好,预测值与实际值的误差较小,最后针对武汉市铁路货运发展提出了相关对策和建议.     

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GM(1,1)模型的湖南文化创意产业的发展预测

本文采用灰色模型对湖南省文化创意产业的发展状况做预测,对缺失的数据利用牛顿插值法补全,使之符合模型要求。将模型得到的数据与实际数据做对比,发现二者符合良好。利用该模型预测了2016到2020年湖南省文化创意产业总产出额,预测结果对未来湖南省文化创意产业政策效果的评估有一定的参考价值。     

基于集成学习的多式联运货运量预测模型构建

货运量精准预测是多式联运网络高效协同发展的重要基础,货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此,通过挖掘货物运输量(集装箱)的时间变化特征,构建初始相关时间特征输入集,结合斯皮尔曼相关性系数分布,采用Bagging+BP集成学习方法训练多个弱分类器,最终组合获取高精度的强学习模型。以南京龙潭港为例,对自回归移动平均模型(ARIMA)、Bagging+BP集成学习网络以及长短时记忆神经网络(LSTM)三种模型进行评价,实验结果表明,相比于其他模型,提出的Bagging+BP集成学习网络预测性能良好,有一定的实用价值。     

基于SVR模型的区域公路货物周转量预测

针对区域货物周转量的特点:时间上的大波动性和区域之间的密切相关性,指出:反映区域货物周转量预测的指标数据存在高度的非线性、耦合性和时变性。通过对区域公路货物周转量历史数据的分析,确定了相关预测变量。在上述基础上,建立了基于SVR的区域公路货运周转量预测模型。由于该模型建立在统计学习理论的基础上,因而具有良好的非线性数据处理能力,并保证了预测模型的泛化性能。以金华市为应用对象,说明了该模型的有效性。     

货运量回归预测工具EXCEL和SPSS结合应用研究

对货运量预测工具EXCEL和SPSS各自的优缺点进行了分析,在此基础上建议将两种预测工具相结合,提出如何．陕速、准确得出预测值并作出预测图表的方法和步骤,最后以某市社会货运量统计为样本,进行实例说明。     

基于改进的灰色模型对货物周转量的预测——以云南省货物周转量为例

现代物流业作为中国现代服务业的重要组成部分,对提高国民经济运营质量、优化经济流程、调整经济结构、扩大内需、增进社会福利等都具有全局性的积极影响。它也逐渐被认为是继降低物资消耗、提高劳动生产率之后的又一重要的利润源泉。货物周转量的衡量与计算比较容易,而货物周转量与物流量之间的关系,使得对于物流周转量的预测显得十分必要。     

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。     

基于神经网络与灰色系统模型的巨项目风险预测

巨项目概念的提出为工程项目风险管理的方法和技术提出了新的要求,传统的风险预测与管理方法在巨项目中产生了一定的局限性。文章用神经网络逼近非线性插入方法构建时间序中的风险预测,并建立风险时间序列的GM模型和时间响应函数预测巨项目的风险,最后通过实例计算预测结果的准确性,对巨项目的风险预测具有一定的参考价值。     

物流业中铁路货运市场划分的灰关联度分析

在分析了影响货主选择货物运输产品的因素基础上,运用灰色关联度法对货主进行分类,从而为铁路货运企业进行目标市场营销提供依据。     

公路运输货运量预测方法研究

介绍了国内外公路运输货运量的预测方法,分析各种预测方法的优缺点,以及实际的预测效果。针对公路运输货运量受很多相关因素的影响,使得现有的一些预测方法预测精度不高的问题,应用混沌神经网络,建立了公路运输货运量预测的混沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果。