基于RBF神经网络的公路货运量预测方法研究

本文提出了一种基于RBF神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它RBF预测法,有很好的应用性.     

基于最优加权法的航空货运量组合预测

以1997～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于最优加权法的航空货运量组合预测模型,并对组合预测模型进行检验.检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测.     

关于枣庄至临沂铁路运量预测方法的分析

枣庄至临沂铁路（简称枣临线），位于山东南部的枣庄和临沂两市境内，设计年度近期2020年，远期2030年。本线货运量预测是从区域社会经济发展对铁路运输的需求出发，根据调查收集的有关国民经济统计和现有资料，结合本线功能和作用，预测其承担的客货运量。货运量预测主要用产销平衡法，分析确定本线的货运量。远景年输送能力货运2．2×...     

基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测

为提升铁路货运量预测精度和泛化能力,综合考虑铁路货运量时间序列数据的线性和非线性特征,提出了基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测方法。首先使用ARIMA模型对我国铁路货运量进行初步预测,再利用LSTM网络对残差进行校正,并将其与XGBoost模型结合,采用误差倒数法确定权重,构建一种加权组合模型。最后将组合模型与ARIMA、ARIMA-LSTM、LSTM、XGBoost模型进行对比,借助均方误差(MSE)、均方根误差(RMSE)、平均绝对值误差(MAE)、平均绝对百分比误差(MAPE)对上述模型的预测精度进行对比分析。使用2007年-2021年全国铁路货运量月度数据进行实验,实验结果表明：组合模型的MSE、RMSE、MAE、MAPE分别为0.011 9、0.109 4、0.068 3、1.775 2%,预测误差均低于上述对比模型,模型的预测精度和泛化能力都有所提升。     

基于灰色关联和BP神经网络的铁路货运量预测方法

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于BP神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明:BP神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。     

基于神经网络算法的公路货运量预测方法

以陕西省为例,运用灰色关联分析法确定公路货运量的影响因素分别为地区生产总值、第一产业增加值、第二产业增加值、工业增加值、人均地区生产总值、全社会固定资产投资和社会消费品零售总额.将所确定的因素作为公路货运量的预测指标,建立基于BP神经网络的公路货运量预测模型,并对模型进行应用测试.结果表明:该模型具有较高的精度,最大误差为5.3%,可以提高公路货运量预测的准确度,为我国公路货运量的预测研究提供方法支撑.     

基于神经网络的公路货运量预测方法研究

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立BP神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对BP神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证BP神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.     

基于系统云灰色SCGM(1,1)c模型的铁路货运量预测

从铁路货运量的预测问题出发,试图找到稳定有效的方法对铁路货运量进行预测。通过对历年铁路货运量的定性分析,合理地选择预测数据数列,以充分体现铁路货运量的变化趋势。尝试采用单因子系统云灰色SCGM(1,1)c模型对铁路货运量进行了动态预测。结果表明:单因子系统云灰色SCGM(1,1)c模型在对铁路货运量的拟合和预测均有较好的效果。拟合精度和预测精度分别达到了98.83%和98.04%,可以有效地进行铁路货运量的短期预测。     

我国宏观物流市场预测与分析方法研究

制定物流业发展规划和物流园区发展规划 ,遇到的首要问题就是对宏观物流市场规模的预测和分析 ,介绍了三种不同的预测宏观物流市场的方法 ,即货运量法 ,交通运输、仓储、邮电通信相关产业产值法 ,物流成本占GDP比例法 ,重点阐述了物流成本占GDP比例推算法 ,并用其对我国的宏观物流市场进行了预测和分析 ,收到了较好的预测效果 .     

基于多种模型的广西入境旅游游客量预测

根据广西1978—2008年接待入境旅游者人数的统计数据,试运用移动平均法、指数平滑法、自回归法、一元线性回归法、多项式回归法和灰色GM(1,1)法构建相应的预测模型,分别对广西未来6年的入境旅游者人数进行预测.预测结果表明:(1)对于不同时间尺度的入境旅游游客量预测,因不同预测方法的预测误差差异较大,应根据具体情况选择合适的预测模型.(2)采用多种方法建立预测模型进行比较分析,可避免用单一方法的不足,预测到2015年广西的入境旅游者人数分别可达292.21~320.42万人次,在无重大突发事件影响的情况下,广西入境旅游客源市场将继续保持稳定增长的势头.     

基于灰色关联与投影算法的铁路货运量影响因素分析

影响铁路货运量的因素繁多而复杂,每个因素的影响程度都不一样,影响因素的筛选与排序直接决定铁路货运量预测工作的可靠性。灰色关联法是通过数据序列曲线发展态势的相似程度来判断数据序列的联系是否紧密,投影算法是从宏观角度判断两个数据序列的接近程度。结合灰色关联法和投影算法的优点,构造数据序列排序模型,对各影响因素数据序列进行定量分析,为货运量预测的可靠性提供数据基础。实例分析铁路货运量的影响因素的影响力并进行分析排序,为影响因素的定量分析提供新的思路。     

正确运用货运量预测方法,为太原北站西山支线

针对现有铁路货运量预测方法的不足和铁路货运量的随机波动性,基于灰色预测理论,建立了铁货运量预测的随机灰色系统模型即GM(1,1)模型.该模型在对货运量原始数据生成处理的基础上,建立了符合检验要求的残差模型,以预测铁路货运量的发展趋势.通过GM(1.1)预测模型较好地预测了2020年西山支线的货运量,为西山支线长远运输规划是提供决策支持.     

我国社会物流需求量的非线性回归预测

为了更好地发展物流业,需要对物流需求量进行准确地预测.文中以1992-2011年的货运量来反映我国社会物流需求量,用非线性时间序列模型进行预测.该模型具有较高的拟合精度,可以比较准确地预测出2014-2023年的物流需求量,为我国物流业的合理规划提供参考.     

西南两省电力负荷预测及研究

在分析经济发展状况的基础上,运用了电力负荷预测中的灰色系统理论预测法、一元回归预测法和指数回归预测法对云南、贵州两省进行了2006-2010年5年的用电量分析,目的是为今后的电力发展规划提供些许重要的信息。     

基于逐步回归方法的宁夏物流需求分析

为了推动宁夏当代物流产业发展,对历史物流需求进行分析和对未来物流需求进行科学预测已成为必需.通过运用统计理论选取GDP、消费品零售总额、进出口贸易总额为自变量对以货运量为代表的物流需求进行回归分析,建立物流需求预测模型,预测未来宁夏物流需求,并分析了物流需求的影响因素.结果可为宁夏制定物流产业发展政策及物流基础设施规划、设计提供依据.     

系统动力学建模与回归分析在现代物流业中的组合应用

为了有效预测现代物流业的货运量大小,分别运用回归分析与系统动力学两套方法来建立广东省现代物流货运量的预测模型,并通过模拟结果的比较验证了系统动力学在物流领域的良好应用前景。     

基于灰色弱化算子理论的我国物流业发展前景预测

论文采用灰色GM（1,1）模型,对我国物流业进行预测。由于我国物流业近期发展较为迅速,在预测时引入了弱化缓冲算子。分别构造灰色弱化算子的物流业总值X1、物流业从业人数X2、客运量X3,和货运量X4的GM（1,1）模型。数据模拟结果表明,运用灰色弱化算子对数据缓冲后预测的结果精度高,从而很好地解决了冲击扰动系统在建模预测过程中出现的定量预测结果与定性分析结论不符的现象。     

改进BAS-Elman神经网络的港口货运量预测

为对港口货运量进行科学精准预测,结合天牛须搜索(beetle antennae search,BAS)算法和蒙特卡洛准则,提出一种改进BAS的Elman神经网络预测模型.收集上海港1989—2018年内的货运量以及当地各项经济数据,建立港口货运量预测评估体系,对各项影响因子进行预处理,消除数据冗余信息对预测的影响,对预处理后的数据进行仿真测试.实验结果表明,该模型预测准确率可达95％以上,有效地提高了港口货运量的预测精度.     

基于参数化三角范数的铁路货运量选择集成预测

针对铁路货运量预测中预测方法单一、准确度不高、泛化能力弱问题,基于参数化模糊逻辑理论,结合前序法选择策略,提出了一种新的基于Yager三角范数的选择性集成学习模型,并应用于铁路货运量预测.采用5种常用的单预测模型作为候选基学习机模型,以误差率作为评价指标,采用前序选择策略选定2种基学习机进行集成预测;以遗传算法和最小二乘法确定集成模型的参数,实现铁路货运量预测基学习机的最优组合.试验结果显示,对比单预测模型、最优组合预测模型和均方误差导数预测模型,新提出的选择集成模型取得了最低的误差率,表明其在铁路货运量预测中能够有效提高预测精度.     

长春市公路货运量预测

采用多各方法对长春市公路货运量进行预测，建立各种数学模型，最后结合长春市的实际情况，对预测结果进行分析，并充分参考有关专家意见，确定预测结果。