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。     

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。     

基于组合预测模型的我国管道货运量的预测分析

选取2005—2014年以来我国管道货运量的时间序列数据,在指数平滑法、灰色预测法的基础上,运用两者的组合预测模型对管道货运量进行预测分析,以揭示出其变化的内在规律。最后运用预测函数对"十三五"规划期间我国管道货运量进行短期外推预测。分析结果表明,到2020年,我国管道货运量将达到116.56千万吨。     

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.     

加权几何平均组合预测方法在公路客运量预测中的应用研究

对我国公路客运量进行科学、准确的预测,提前掌握客运量的变化发展趋势及规律,是为职能部门制定公路客运发展规划和配置基础设施的基础。提出基于向量投影法的加权几何平均的组合预测模型,并运用该模型对某城市2003－2015年公路客运量进行了预测,预测结果表明该方法具有较好的预测精度。     

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.     

山东省公路机动车货运量及运力组合预测

本文利用山东省公路机动车货运量、运力及国内生产总值时间序列信息,根据灰色系统及回归理论,建立山东省公路机动车货运量及运力灰色预测模型和回归模型,并利用组合预测方法进行预测,为控制山东省运力发展提供依据。     

四川省铁路货运量预测研究

在分析四川省2007至2009年交通运输发展历程,特别是在分析铁路旅货运输需求的基础上,预测未来6年我省铁路货运量及其发展趋势,可以为投资运营部门、铁路管理部门和运输企业合理配备运力、科学的进行路网及货运站场的规划布局提供可靠依据,以满足国民经济快速增长和人民生活水平日益提高需要的目的,同时也可以为优化配置资源,切实转变铁路货运体制和经济增长方式,不断提高铁路货运的经济效益和社会效益,建立比较完善的铁路货运市场,及其他一系列相关问题的科学决策提供依据,因此对铁路货运管理和决策具有重要的意义。     

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播（Back Propagation,BP）神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。     

基于LSTM-RBF的水路货运量预测

水路运输是交通和货运的重要组成部分,水路货运量的预测对各地经济发展有重要意义。近年来随着经济形势的变化和多式联运的快速发展,水路货运量的数据波动加大,精准预测的难度变得更大。因此提出一种基于长短期记忆网络（Long Short-Term Memory,LSTM）和径向基神经网络（Radial basis function,RBF）的组合预测模型 。在LSTM-RBF预测模型中,第一阶段通过LSTM对各指标进行精准预测,减少指标值误差对目标值预测带来的影响;第二阶段训练RBF神经网络并在未来指标值的基础上对目标值（水路货运量）进行预测。该模型既避免了时间序列预测仅考虑单一影响因素的缺陷,又能够把LSTM的长时记忆优势带入到RBF的回归预测中。实验结果表明,LSTM-RBF预测模型在均方根误差和拟合度方面,均优于其他对比模型,该预测模型对水路货运量的预测有着较高的准确度。     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

关于我国货运量的预测与研究

货运量是反映国家经济实力和地区发展水平的一个重要指标。文章通过对1997²016年全国货运量数据的实证分析,针对国民生产总值、第一产业产值、第二产业产值、第三产业产值、社会消费品零售总额、社会固定资产投资、人口、货物进出口总额、运输线路长度,采用多元线性回归分析方法以及建立时间序列分析模型,利用SPSS统计分析软件以及R软件对相关数据进行分析,预测出我国货运量将在最近五年呈增长趋势。     

青藏铁路格拉段货运量预测

分析了青藏铁路格拉段,进出藏运量差异大,存在地区间客货运输的需求差异和季节波动的特殊性.针对格拉段所在经济区域存在大量受运能制约而无法实现的潜在运输需求的特点,在社会货运总量预测中提出了货运诱发系数的概念,用以度量新线建设对社会货运量的带动作用.     

基于GM(1,1)灰色系统的公路货运量预测模型的研究

灰色系统理论已成功运用于工业、农业、经济、能源、交通等领域,利用灰色系统理论建立的我国公路货运量预测模型精度高,计算值和统计值吻合程度较好.根据预测模型计算出的未来几年我国公路货运量对我国汽车工业、能源工业和交通部门都具有较高的参考价值.     

上海市公路货运量与经济增长关系的协整分析

根据1990年～2005年上海经济与货运交通发展的数据,利用协整理论及其分析软件,对上海市公路货运量与经济进行协整分析.通过协整检验发现,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、国民生产总值(GDP)之间都存在单向的Granger因果关系.研究结果表明:目前公路运输对国民经济增长的促进作用的能量还没有得到充分发挥.相关政府部门则需要调整相关的产业政策及货运政策,引导公路运输向更为健康的方向发展.     

大波动短时公路交通流K-近邻预测的稳健组合方法

在公路短时交通流预测中,为改善大波动以及离群值情况下的预测效果,提高实时性,对K-近邻非参数回归预测方法进行了2种改进:先采用相关系数来选择K-近邻,再采用组合预测中的方差倒数法来进行预测.采用相关系数代替以前的距离,以改善在大波动交通流情况下K-近邻的选择效果.采用稳健统计方法来估计方差倒数法中的方差,以抑制离群值的不利影响.这些改进降低了搜索量,可提高预测准确率约1%.数值仿真证实了2种改进的效果.     

高填石路堤沉降变权重组合预测方法研究

高填石路堤的沉降变形过程一般为从填石体施工期的瞬时变形到进一步的蠕变变形,利用沉降资料进行路堤沉降预测的常用模型可较好地反映其沉降变化规律及发展趋势,但尚存在一定的局限性为了尽可能多地利用全部有用信息,利用"组合预测"思想,提出一种对多种常用预测模型进行变权重组合预测的方法,从而可根据有限的沉降实测数据达到预测路基沉降发展的目的,且工程实例分析表明,双曲线、指数曲线及时间平方根曲线的变权重组合能较好地预测高填石路堤的发展规律,具有明显的优越性.图5,表3,参8.