动态汽车衡检定中的问题分析

<正>动态汽车衡作为一种现代化的全自动称重计量机电一体化设备,在提高生产效率、确保计量的准确性方面具有不可替代的作用,具有广泛的用途。随着国民经济的不断发展,公路货运量急剧增加,载重汽车超限现象日益增长。全国范围的高速公路与国道对货车计重收费和集     

一种货运需求预测的灰色系统模型

本文以上海市货运量、货运周转量的时间序列为依据,应用灰色系统模型(Grey Dynamic Model),建立了货运中长期预测模型,并提出了至2000年的预测值。经测试,1989年的预测值与实际值相比较,吻合度高达95%以上。     

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。     

常州市物流需求灰色系统预测模型

为探索常州市未来物流需求量相对走向,运用灰色关联度与灰色系统理论,根据实际数据建立GM(1,1)预测模型.结果表明:在可接受的误差范围内,除了大量研究已证实能代表物流需求的货运量与货运周转量之外,地区生产总值(GDP)也可以较为精确地表征物流需求.以GDP为基础数据建立的灰色系统模型精度较高,可为常州市的物流产业发展规划提供一定的参考依据.     

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.     

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.     

我国货运量与经济增长关系的协整分析

以我国1978~2007年统计年鉴的统计数据为样本,对我国货运量及货运生成量进行协整分析,协整检验结果说明货运量(取对数)与第一产业产值、第二产业比例和第三产业比例之间存在长期均衡关系,货运生成量与国内生产总值GDP(取对数)和第一产业比例存在长期均衡关系。Granger因果关系检验揭示了第一产业产值对货运量、第一产业比例对货运生成量存在单向的Granger因果关系。正交脉冲响应和方差分解分析说明第一产业产值对货运量和第一产业比例对货运生成量具有持续的正影响,而国内生产总值GDP(取对数)对货运生成量具有持续的负影响。     

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。