基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.     

基于多元线性回归模型的甘肃省民航客运量的影响因素分析

本文利用2006-2016年的甘肃省民航数据,运用多元线性回归模型对甘肃省民航客运量的影响因素进行了分析和探究。通过消除多重共线性的干扰,并对多元线性回归模型进行正态性、自相关性和异方差检验,得到最终的多元线性回归模型,并利用建立的多元线性回归模型找到了影响甘肃省民航客运量的主要因素为甘肃省民航航线里程和旅游人数。同时,针对这两个影响因素,为增加甘肃省民航客运量、提高甘肃省民航业的发展水平,提出了其对策和建议。     

ε不敏感支持向量回归在化工数据建模中的应用

针对化工领域数据建模小样本、不适定性等问题，提出了一种用ε不敏感支持向量回归(ε-SVR)方法进行实际过程建模的想法，以解决人工神经网络等方法在数据建模中的“过拟合”、泛化性差等问题．在分析ε-SVR特性的基础上，用一个非线性函数逼近例子验证了ε-SVR在小样本情况下比BP前馈神经网络具有更优良的建模能力．将ε-SVR应用到丙烯腈聚合反应过程质量指标软测量混合模型中，仿真和现场运行结果表明ε-SVR是一种非常有效的化工数据建模方法．     

民航客运量季节调整实证研究

在分析国内对民航客运量定量研究方法和存在问题的基础上,用国际上流行的X-12-ARIMA和TRAMO/SEATS季节调整方法对我国民航客运量的时间序列进行季节调整、分析和预测.实证研究表明,周末效应或闰年因素对我国民航游客运输量变化没有造成显著影响,而春节、SARS事件却是引起民航客运量大幅波动的重要因素.因此,季节调...     

基于SVR-BP算法的江苏省空气质量指数预测

针对江苏省空气质量指数(air quality index, AQI)的预测问题,提出一个将反向(back-propagation, BP)神经网络与ε-支持向量回归机(ε-support vector regression,ε-SVR)算法相结合的SVR-BP回归算法。对训练集采用ε-SVR进行样本筛选组成新的样本集,再采用BP神经网络进行预测。样本集选取的时间跨度为2 a,样本数据为江苏省共98个监测点空气中各成分的含量。分别采用SVR-BP算法、BP神经网络和ε-SVR算法在数据更新频度不同的3个模型下对未来72 h的AQI进行预测。实验结果表明:本研究提出的SVR-BP算法的平均绝对百分误差较ε-SVR算法提升了4%～19%;训练时间比BP神经网络少0.1～2.5 s。SVR-BP算法预测AQI更为高效,在实时训练及样本筛选方面有更广阔的研究前景。     

辽宁省公路客运量预测研究

公路客运量的科学预测对公路的规划建设和管理提供了重要依据,通过对辽宁省2009~2015年公路客运量影响因素进行分析,并充分考虑建模自变量的多重相关性,建立了基于偏最小二乘法改进的预测模型对辽宁省公路客运量进行建模并预测,将预测结果与实测结果进行比较,分析结果表明:利用偏最小二乘回归模型预测相对误差均值为0.91%;相对误差最小值仅为0.30%;最大值为1.17%。     

影响浙江省公路客运量主要因素的回归分析

为了研究浙江省的公路客运量,选取居民总消费水平、全省生产总值、年末总人口数、人均可支配收入、通车总里程数和其他客运总量六个主要影响因素,根据多元线性回归方法建立数学模型,运用SPSS统计软件,得到这些影响因素与浙江省公路客运量的关系,并对未来的公路客运量进行一些预测.     

基于ε-支持向量机回归的快速公交到站时间预测

选择ε-支持向量机回归(ε-SVR)算法预测快速公交(BRT)车辆的到站时间,以提高公共交通的准点性.分别对BRT的停靠时间和路段行驶时间建立模型.根据分析,在停靠站时间预测建模过程中选取车头时距、时段、天气等7维特征向量作为模型输入,采用人工调查法,对厦门BRT-1路的数据进行采集,归一化处理后建模.仿真结果显示该模型能够比较准确地预测厦门BRT-1路的运行路线到站时间,并验证天气因素对该线路的到站时间预测影响最大.     

基于多元线性回归的公路客运量发展预测模型

文章为预测未来公路客运量的发展,在分析影响客运量发展相关因素的基础上,应用多元线性回归方法,建立了客运量发展预测模型;经过统计学相关检验表明,所获得的模型正确,具有一定的科学性和有效性.     

极端事件对我国民航客运的影响分析

利用时间序列分析中干预分析模型研究了我国民航客运量在极端事件时受到的干预影响.结果表明我国民航客运受到多次连续冲击,在2020年2月受到一次较大的负冲击,同样在3月也受到一次负冲击,但由于我国国内民航市场潜力大,国内控制较稳定,及政府相关政策的有效扶持,民航客运在8月份受到正冲击,下半年客运量有所恢复.全年总冲击为负值,表明此次极端事件对我国民航客运造成较大负面效应.2月份受到的冲击效应持续到年底且逐渐减弱,表明极端事件对我国民航客运造成长久且持续的影响,国内客运量仍具有进一步增长空间.