排序方式: 共有57条查询结果,搜索用时 15 毫秒
11.
铁路客运量预测是编制旅客运输计划的基础,也是铁路技术设备改造的重要依据。铁路客运量预测的方法有多种,利用时间序列法中二次指数平滑模型,结合京包线近几年旅客发送量调查数据,通过时间序列趋势变化分析,计算得出2012-2013年旅客发送量,为科学规划京包铁路发展提供理论依据。 相似文献
12.
为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度, 基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进. 提出了新的混沌加速遗传算法(new chaosaccelerating genetic algorithm, NCAGA),用于对PPPR模型的最佳投影方向α的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统 计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型, 平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测. 相似文献
13.
以1998—2011年河南统计年鉴中列出的河南省历年交通客运量数据为研究对象,运用时间序列模型(指数平滑和ARIMA模型)和非线性回归方法,对河南省2012—2020年的交通客运总量以及各交通运输方式客运量做出预测.预测结果显示:未来几年公路交通客运在河南省仍占主导地位,河南省交通客运总量2012年达到215 219.29万人,其中公路、铁路、民航、水运客运总量分别为204 873.13、9493.39、526.99、313.61万人,2020年客运总量将达到579 099.71万人. 相似文献
14.
基于判别分析—SVR的民航客运量预测模型研究及应用 总被引:1,自引:0,他引:1
程小康 《四川大学学报(自然科学版)》2008,45(3):527-531
为了提高预测民航客运量的能力,考虑到民航客运量与其影响因素之间存在关联, 并利用训练样本与测试样本间的马氏距离对惩罚因子进行加权,改进传统的ε支持向量回归机(SVR),构造了基于进化ε-SVR的“影响因素民航客运量”预测模型.在选择适当的参数和核函数的基础上,对中国民航客运量进行仿真实验,与标准的ε-SVR方法、BP人工神经网络和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差. 相似文献
15.
通过分析陕西省公路交通运输的现状,统计了近几年的客运量,建立和运用灰色系统理论模型预测未来几年的客运量,为相关部门进行资源合理配置提供参考依据. 相似文献
16.
铁路客运量预测是铁路旅客运输组织工作的重要基础和主要依据之一。从定性和定量两个角度出发,提出了铁路客运量预测的影响因素体系,并建立了铁路客运量多目标灰关联评价模型。该模型的应用,可以对各个地区的铁路客运量影响因素进行评价比较,并分析各种因素的影响程度,确定其层次结构及对客流的关联度,对于提高现有铁路运量的预测精度有着极其重要的现实意义。 相似文献
17.
采用遗传优化的BP神经网络对铁路客运量的现有数据进行分析,克服了BP网络极易陷入局部解问题,做出合理的客运量预测.首先用遗传算法优化神经网络的连接权, 并在遗传进化过程中保留最优个体的方法,选择权值的最优解来建立遗传优化的BP 网络预测模型, 最后通过铁路客运量数据预测结果的对比仿真实验,表明了该方法的有效性. 相似文献
18.
郑彦 《山东理工大学学报:自然科学版》2011,(1):64-67,71
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... 相似文献
19.
针对公共交通客运量的预测问题,结合ARIMA、灰色预测以及BP神经网络的优势,采用临近期的误差平方和来计算动态权重,将突发事件定义为影响因子,建立了修正动态加权组合模型.选取北京市1978—2021年公共交通客运量进行实证分析.实证分析结果表明,修正动态加权组合模型的预测效果比单一模型和固定权重组合模型更好. 相似文献
20.