基于季节ARIMA模型的铁路客运能力需求预测研究

针对铁路客运资源时空配置不均衡问题,运用面板数据的非线性时间序列分析理论,构建了预测铁路客运能力的3种ARIMA模型,并运用客运区段内13个站点的客流量数据进行了实例分析。结论如下:季节ARIMA模型预测铁路客运能力显著性最强;铁路客运呈现出单周的季节波动,同时节假日对季节波动的影响显著。     

基于ARFIMA-GARCH模型的黄金价格分析及预测

通过对上海黄金交易所现货黄金Au99.95品种2007年1月4日到2014年2月28日共1736个交易日的收盘价格的研究,发现上海黄金交易所黄金收益率序列具有长期记忆性,其残差具有明显的波动集聚性。利用时间序列的相关理论,并通过EVIEWS6.0及MATLAB软件对序列进行分析,建立ARFIMA-GARCH模型,此模型反映了黄金收益率序列的长记忆性和波动集聚性,并对黄金收益率序列进行预测。结果显示,预测结果与实际价格拟合度高,预测误差较小。该模型可以更加准确地描述黄金价格序列的动态特征,通过此模型可以使黄金投资者和生产者更加了解黄金价格序列的特点。     

多资产波动序列日内共同周期结构研究?

利用灵活傅里叶变换回归(FFF)方法对中国股票市场多资产波动序列建立日内周期模型,并利用典型相关的假设检验和多元信息准则来确定波动序列共同周期成分的数目和周期元素的数目.实证分析表明:1)通过对中国上证8只银行股票146d的5min数据分析,发现有3个共同周期成分可以描述日内波动,并且利用共同周期成分预测未来波动优于时间序列模型的预测效果;2)通过对不同抽样尺寸下的对比研究发现,5min抽样频率的波动序列更适合用降秩方法来确定共同周期成分.     

基于修正ICSS算法的时间序列方差结构突变研究

运用修正的ICSS算法研究了上证A股的股票资金流强弱指数方差结构性变点,并对上证A股2003年5月22日至2015年5月22日的日交易数据序列进行检测,得到了23个突变点;根据时间序列分析方法,将所得到的变点作为虚拟变量加入GARCH模型中进行模型分析。结果表明:上证A股资金流强弱指数是平稳的非正态时间序列;未加入方差结构性变点的GARCH(1,1)模型,序列波动具有很强的持续性,加入作为虚拟变量的方差结构性变点的GARCH(1,1)模型拟合效果更好,序列波动持续现象显著减弱,结构突变效应已被虚拟变量所捕获。     

河南省旅游业的发展及与比邻省区的比较

依据近10年的时间序列数据及近3年的截面数据,对河南省国内旅游和入境旅游的发展历程,以及与周边6省区进行了分析比较,结果发现:(1)河南旅游起步较晚,2003年以前发展相对较慢,之后进入加速增长期,且呈现出独有的"四六结构";(2)河南省国内旅游发展远高于入境旅游,这与河南人口众多,旅游资源丰富,交通区位优越有关,可以说具有发展国内旅游的天然优势;(3)河南处于中部塌陷区,航空机场和客运量相对较低,入境游客东西辐射落地人数较小;铁路、公路运输客运量大,但国内外省区游客过境量大、落地游客少,国内旅游以本省游客为主.要促进河南旅游的发展,关键是:(1)加强机场建设,促进入境游客东西输送的落地人数增加;(2)推出更方便的火车和汽车换乘方式,延长国内游客河南落地旅游和滞留时间.     

单颗金刚石磨粒划擦玻璃的力特征与建模

通过单颗金刚石磨粒划擦玻璃,提取并分析了划擦过程的力信号,建立了划擦力信号的时间序列模型。确定了划擦法向力和切向力的时间序列阶数和参数,建立了合适的划擦力时间序列模型。研究结果表明:划擦力曲线不沿划痕呈对称分布,划擦力出现波动变化特征;合适的划擦力时间序列模型可较好地揭示划擦力特征。     

海运价格指数的波动规律

通过对波罗的海国际干散货运价指数分别提取长期趋势项、周期波动项和季节波动项以后，得到了一个符合ARMA模型建模要求的零均值平稳序列。对此序列建立的时间序列模型非常精确地模拟了波罗的海运价指数，并作出了误差极小的短期预测。     

基于二叉树模型方法的Bermuda型理财产品定价

利用时变二叉树模型方法研究了Bermuda型理财产品进行期权定价问题.首先,利用点估计方法对沪深300指数的历史数据进行收益率和波动率的提取.其次,针对收益率序列和波动率序列的历史数据建立相应的时间序列模型,进而表明了收益率和波动率不为常数.再次,将未来时刻的收益率和波动率视为时间变量的函数,构造了时变参数下的二叉树模型.最后,对各类Bermuda型理财产品是否自动化再投资问题进行分析,并通过实证分析,得出指定理财产品的理论价格,结果表明对该类型理财产品选择自动再投资对投资者更有益.     

基于周期异方差时间序列模型的中国猪肉价格分析与预测

本文以2002～2009年中国猪肉价格的季度时间序列为研究对象,通过描述性分析发现中国猪肉价格时间序列具有周期性和异方差性,据此建立了周期异方差的时间序列模型,并根据模型计算了未来两年中国猪肉价格的预测值.     

基于Markov机制转换模型的商品房价格波动研究

用传统的线性模型对时间序列进行分析,往往基于时间序列线性假设,而实际上大多数时间序列都是非线性的。如果仍选择线性模型进行分析,必然会导致分析不准确的问题。任何一个宏观经济或金融时间序列随着时间的变动,其均值、波动性都会发生显著性变化。本文通过选取近6年来房价的月度数据,通过统计分析,建立Markov机制转换模型。研究房价的波动。     

福建省区域物流与区域经济的实证研究

福建作为中国东部沿海地区经济最具活力的地区之一,通过大力发展现代区域物流业,促进了区域经济的增长,同时,经济的增长也带动了区域物流的发展.本文将采用误差修正模型及格兰杰因果检验,通过对1978～2010年福建省的经济指标时间序列进行协整分析,探讨福建GDP、物流产值、货物周转量、物流里程的协整关系,从而得出福建区域物流与区域经济增长之间的互动效应.本文发现区域物流的发展水平与区域经济增长存在长期均衡关系.     

铁路货物周转量的多因素分析和预测

提出了铁路货物周转量同营业里程、列车牵引净重和货物列车密度间的数学表达式，利用由此建立的货物周转量指数体系，研究了营业里程、列车牵引净重和货物列车密度变动引起的货物周转量的变化量；分析说明，４０多年来货物列车密度的快速增长是货物周转量大幅度增加的主要原因；通过本文所建立的一组回归方程，得出了营业里程、列车牵引净重、货物列车密度和货物周转量的２０００年预测值     

对拉萨铁路货物运输发展的创新研究

文章分析了拉萨市现有的铁路资源现状,针对铁路货物运输发展所面临的主要问题提出了解决的措施。并结合高原货物运输的特点,提出了铁路货物运输在拉萨发展的建议。     

铁路通信信号的地位和作用

本文通过纵观我国铁路发展史和对铁路运输现状的分析,用事实说明了通信信号以其投资少、见效快、效益高、贡献大的特点,在以扩能与安全为中心的铁路运输发展和实现铁路现代化进程中,其地位与作用越来越突出,从而阐明了把以通信信号为主体的铁路信息技术作为重要技术领域来发展,是促进我国铁路现代化的一项重大决策.     

发展危险货物集装箱运输之分析

为扩大铁路企业在运输市场所占的份额,本文分析了我国铁路危险货物运输现状。在此基础上,提出了危险货物采用集装箱进行运输的建议。     

寒区铁路站场路基服役性能评价与分析

通过对青藏铁路那曲物流中心站场路基的分析,从冻土类型、温度、水文、地质及工程条件5个方面选取了12项对路基服役性影响较大的因素作为评价指标,建立了冻土区铁路站场路基服役性能评价体系.在充分考虑各影响因素间关系的基础上引入可靠度理论,结合层次分析法和模糊数学理论建立车站站区路基服役性能的模糊综合评价模型.利用此方法对货物堆载区、车站站区和道路区进行评价,并对铁路站场路基10年后的服役性能进行预测.结果表明:受到堆载区空载的影响,货物堆载区评价得分高,服役性能好;车站站区评价得分较高,服役性能满足要求;道路区的评价得分低,服役性能差,符合现场道路病害严重的情况;经历10次冻融循环后,由于大宗货物堆载的原因,堆载区服役性能降低,经养护维修后,车站站区和道路区服役性能提高,说明有效的养护和维修措施是保证站场路基服役性能正常发挥的前提条件.     

铁路营销日班计划编制辅助决策的算法及实现

针对铁路分局或铁路局请求车数审批的盲目性,提出了一种优化调整算法.该算法是基于单目标、多约束条件的单纯形法.它有请求车数、交出分界口、到达分局、限制口、装车站等的限制车数为约束条件,以日班计划承认车运输收入最大化为目标函数.在此算法的基础上,开发了货运经营性决策系统.本文的理论研究结果和开发出的系统为运输企业的合理经营及经济效益的提高提供了有效的工具.     

基于系统动力学的高铁客运需求预测

为了确定中国高铁客运需求的发展规模和规律,通过分析与高铁客运需求相关的经济、人口、设施供给及民航竞争的影响因素,建立了高铁客运需求的系统动力学模型.经过对既有历史数据的验证分析,证明系统动力学模型的有效性,且预测精度优于传统方法.根据经济人口及出行要素设定了三种增长情景,预测发现,中国未来不同情境发展下的高铁客运需求将...     

基于时段偏好的高铁旅客车次选择行为研究

高频公交化运营已成为部分高速铁路线路满足快速增长需求的行车组织模式.历史售票数据显示旅客对同一起讫站(OD)间平行车次的选择具有明显差异性,基于Logit模型构建考虑出发时段偏好的旅客平行车次选择方法.从车次选择率及购票特征两方面阐述旅客对平行车次选择的差异性,认为出发时段是影响旅客选择的关键要素.利用RP(Revealed Preference)与SP(Stated Preference)组合调查方法获取旅客实际出发时段偏好及潜在支付意愿.将旅客出发时段偏好融合至选择广义费用函数,构建平行车次条件下旅客的车次选择模型.京沪高铁实证分析显示:模型预测结果与实际情况间平均相对误差为6.62%,验证了方法的有效性和准确性.为精细化需求特征分析及管理提供理论基础和决策方法.     

铁路客运需求分析与短期客流预测研究

旅客对于铁路客运的需求直接决定了铁路自身的运输生产,对历史旅客需求规律的准确分析以及对未来短期需求的准确预测对旅客运输组织的优化极为重要。为此,提出了基于Prophet模型的铁路客运量需求分析方法和基于Seq2Seq-Attention与Prophet非线性组合模型的短期客流预测方法。前者可以从长期的历史数据中分解出普适整个数据的客流时间分布特征,从而对过去的客运需求规律做出分析;后者利用神经网络进行非线性组合,以求在不同规模的数据集上充分发挥Seq2Seq-Attention网络与Prophet模型各自的优势,做出更精准的客流需求预测。通过实例验证表明,使用Prophet模型将客流历史数据分解成多种时间分布类型数据后在整个数据集上的误差仅有6.68%,同时Seq2Seq-Prophet模型在数据集上的预测效果好于组成它的单模型和其余既有方法。