我國(guó)鐵路客運(yùn)量的中短期預(yù)測(cè)研究
發(fā)布時(shí)間:2020-12-15 13:29
鐵路客運(yùn)量的中短期預(yù)測(cè)是鐵路運(yùn)輸公司制定旅客運(yùn)輸計(jì)劃的基礎(chǔ),更是合理配置人力物力資源及展開旅客運(yùn)輸工作的重要依據(jù)。鑒于航空運(yùn)輸事業(yè)的快速發(fā)展,客運(yùn)市場(chǎng)競(jìng)爭(zhēng)愈發(fā)激烈,鐵路客運(yùn)部門必須對(duì)市場(chǎng)內(nèi)的客流變化及時(shí)采取措施,方能滿足市場(chǎng)的需求。本文分別從年度預(yù)測(cè)和月度預(yù)測(cè)兩個(gè)層面對(duì)鐵路客運(yùn)量進(jìn)行預(yù)測(cè),既為鐵路的運(yùn)輸長(zhǎng)遠(yuǎn)發(fā)展提供了決策支持,更為鐵路各部門及時(shí)應(yīng)對(duì)瞬息萬(wàn)變的市場(chǎng)提供了可靠依據(jù)。年度數(shù)據(jù)預(yù)測(cè)部分,提出了一個(gè)新的基于最優(yōu)模型選取的M-CPSO-GM模型,并在我國(guó)鐵路客運(yùn)量的年度預(yù)測(cè)中得到了非常好的效果。月度數(shù)據(jù)預(yù)測(cè)中,首先根據(jù)S-ARIMA模型得到一步預(yù)測(cè)值,然后對(duì)其進(jìn)行校正?紤]到春節(jié)因素,先將數(shù)據(jù)分成春運(yùn)月份和非春運(yùn)月份兩部分分開校正。對(duì)于春運(yùn)月份,首次提出了與一步預(yù)測(cè)誤差高度相關(guān)的春節(jié)因子作為校正因子,通過FNN對(duì)春運(yùn)月份的一步預(yù)測(cè)值進(jìn)行校正;對(duì)于非春運(yùn)月份,則采用上月同比增長(zhǎng)率作為校正因子,通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行校正。結(jié)果表明,校正后的月度數(shù)據(jù)預(yù)測(cè)精度有了明顯提高。最后,對(duì)論文所做的工作進(jìn)行了總結(jié),簡(jiǎn)要說明了文中尚待完善的問題,并指出我國(guó)鐵路客運(yùn)量預(yù)測(cè)以后需要努力的方向。
【文章來(lái)源】:蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:50 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
PSO算法的空間圖
CPSO流程圖
(2-33)用 MATLAB 軟件畫出該 GM 模型的預(yù)測(cè)效果走勢(shì)圖如圖 2.3 所示.圖 2.3 GM 預(yù)測(cè)結(jié)果從圖 2.3 可看出GM模型在對(duì)過去的擬合過程中對(duì)數(shù)據(jù)的大致走勢(shì)有著不錯(cuò)的預(yù)測(cè)效果, 但是對(duì) 2014 年及 2015 年度的預(yù)測(cè)中, 預(yù)測(cè)曲線都在真實(shí)值的下方,說明根據(jù)這些全部原始數(shù)據(jù)描繪出來(lái)的趨勢(shì)已經(jīng)不符合現(xiàn)階段的變化. 接著我們用CPSO 算法對(duì)GM模型中的兩個(gè)參數(shù)進(jìn)行優(yōu)化發(fā)現(xiàn)精度并沒有怎么提高, 說
【參考文獻(xiàn)】:
期刊論文
[1]基于SARIMA模型在我國(guó)鐵路客運(yùn)量中的預(yù)測(cè)[J]. 郝軍章,崔玉杰,韓江雪. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2015(18)
[2]基于灰色加權(quán)馬爾可夫鏈的大連鐵路客運(yùn)量預(yù)測(cè)[J]. 賈金平,吉莉. 大連交通大學(xué)學(xué)報(bào). 2015(03)
[3]基于粒子群優(yōu)化偏最小二乘的鐵路客運(yùn)量預(yù)測(cè)[J]. 梁小林,杜曉慧. 湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(04)
[4]基于春節(jié)因素的中國(guó)鐵路月度客運(yùn)量季節(jié)調(diào)整模型研究[J]. 汪志紅,汪前元. 鐵道學(xué)報(bào). 2013(07)
[5]基于指數(shù)平滑法的京包線鐵路客運(yùn)量預(yù)測(cè)[J]. 侯立新. 科技創(chuàng)新導(dǎo)報(bào). 2012(32)
[6]改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在鐵路客運(yùn)量預(yù)測(cè)中的應(yīng)用[J]. 于波,丁源. 鐵道經(jīng)濟(jì)研究. 2012(03)
[7]基于線性回歸-馬爾可夫模型的鐵路客運(yùn)量預(yù)測(cè)[J]. 李曉東. 鐵道運(yùn)輸與經(jīng)濟(jì). 2012(04)
[8]基于灰色模型及月度比例系數(shù)法的鐵路客流預(yù)測(cè)方法[J]. 李海軍,張玉召,朱昌鋒. 西部交通科技. 2012(03)
[9]基于IPSO-BP神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測(cè)[J]. 陶海龍,李小平,張勝召,辜琳麗. 鐵道運(yùn)輸與經(jīng)濟(jì). 2011(09)
[10]基于灰色線性回歸組合模型鐵路客運(yùn)量預(yù)測(cè)[J]. 侯麗敏,馬國(guó)峰. 計(jì)算機(jī)仿真. 2011(07)
博士論文
[1]基于協(xié)同進(jìn)化的混合智能優(yōu)化算法及其應(yīng)用研究[D]. 鄧武.大連海事大學(xué) 2012
碩士論文
[1]線性與非線性的組合模型在鐵路客運(yùn)量預(yù)測(cè)中的應(yīng)用研究[D]. 張毅敏.西南交通大學(xué) 2014
[2]我國(guó)鐵路客運(yùn)量的組合問題研究[D]. 劉會(huì)芳.長(zhǎng)沙理工大學(xué) 2013
[3]基于混合智能算法的鐵路運(yùn)量預(yù)測(cè)研究[D]. 陶海龍.蘭州交通大學(xué) 2012
[4]SVR季節(jié)性時(shí)間序列預(yù)測(cè)模型的構(gòu)建與應(yīng)用[D]. 錢吉夫.華南理工大學(xué) 2010
[5]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測(cè)研究[D]. 謝小山.西南交通大學(xué) 2010
[6]基于灰色理論與廣義回歸神經(jīng)網(wǎng)絡(luò)的客運(yùn)量預(yù)測(cè)模型研究[D]. 羅毅.西南交通大學(xué) 2007
[7]鐵路客運(yùn)量短期預(yù)測(cè)方法的研究[D]. 王芳.北京交通大學(xué) 2007
本文編號(hào):2918350
【文章來(lái)源】:蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:50 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
PSO算法的空間圖
CPSO流程圖
(2-33)用 MATLAB 軟件畫出該 GM 模型的預(yù)測(cè)效果走勢(shì)圖如圖 2.3 所示.圖 2.3 GM 預(yù)測(cè)結(jié)果從圖 2.3 可看出GM模型在對(duì)過去的擬合過程中對(duì)數(shù)據(jù)的大致走勢(shì)有著不錯(cuò)的預(yù)測(cè)效果, 但是對(duì) 2014 年及 2015 年度的預(yù)測(cè)中, 預(yù)測(cè)曲線都在真實(shí)值的下方,說明根據(jù)這些全部原始數(shù)據(jù)描繪出來(lái)的趨勢(shì)已經(jīng)不符合現(xiàn)階段的變化. 接著我們用CPSO 算法對(duì)GM模型中的兩個(gè)參數(shù)進(jìn)行優(yōu)化發(fā)現(xiàn)精度并沒有怎么提高, 說
【參考文獻(xiàn)】:
期刊論文
[1]基于SARIMA模型在我國(guó)鐵路客運(yùn)量中的預(yù)測(cè)[J]. 郝軍章,崔玉杰,韓江雪. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2015(18)
[2]基于灰色加權(quán)馬爾可夫鏈的大連鐵路客運(yùn)量預(yù)測(cè)[J]. 賈金平,吉莉. 大連交通大學(xué)學(xué)報(bào). 2015(03)
[3]基于粒子群優(yōu)化偏最小二乘的鐵路客運(yùn)量預(yù)測(cè)[J]. 梁小林,杜曉慧. 湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(04)
[4]基于春節(jié)因素的中國(guó)鐵路月度客運(yùn)量季節(jié)調(diào)整模型研究[J]. 汪志紅,汪前元. 鐵道學(xué)報(bào). 2013(07)
[5]基于指數(shù)平滑法的京包線鐵路客運(yùn)量預(yù)測(cè)[J]. 侯立新. 科技創(chuàng)新導(dǎo)報(bào). 2012(32)
[6]改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在鐵路客運(yùn)量預(yù)測(cè)中的應(yīng)用[J]. 于波,丁源. 鐵道經(jīng)濟(jì)研究. 2012(03)
[7]基于線性回歸-馬爾可夫模型的鐵路客運(yùn)量預(yù)測(cè)[J]. 李曉東. 鐵道運(yùn)輸與經(jīng)濟(jì). 2012(04)
[8]基于灰色模型及月度比例系數(shù)法的鐵路客流預(yù)測(cè)方法[J]. 李海軍,張玉召,朱昌鋒. 西部交通科技. 2012(03)
[9]基于IPSO-BP神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測(cè)[J]. 陶海龍,李小平,張勝召,辜琳麗. 鐵道運(yùn)輸與經(jīng)濟(jì). 2011(09)
[10]基于灰色線性回歸組合模型鐵路客運(yùn)量預(yù)測(cè)[J]. 侯麗敏,馬國(guó)峰. 計(jì)算機(jī)仿真. 2011(07)
博士論文
[1]基于協(xié)同進(jìn)化的混合智能優(yōu)化算法及其應(yīng)用研究[D]. 鄧武.大連海事大學(xué) 2012
碩士論文
[1]線性與非線性的組合模型在鐵路客運(yùn)量預(yù)測(cè)中的應(yīng)用研究[D]. 張毅敏.西南交通大學(xué) 2014
[2]我國(guó)鐵路客運(yùn)量的組合問題研究[D]. 劉會(huì)芳.長(zhǎng)沙理工大學(xué) 2013
[3]基于混合智能算法的鐵路運(yùn)量預(yù)測(cè)研究[D]. 陶海龍.蘭州交通大學(xué) 2012
[4]SVR季節(jié)性時(shí)間序列預(yù)測(cè)模型的構(gòu)建與應(yīng)用[D]. 錢吉夫.華南理工大學(xué) 2010
[5]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的鐵路客運(yùn)量預(yù)測(cè)研究[D]. 謝小山.西南交通大學(xué) 2010
[6]基于灰色理論與廣義回歸神經(jīng)網(wǎng)絡(luò)的客運(yùn)量預(yù)測(cè)模型研究[D]. 羅毅.西南交通大學(xué) 2007
[7]鐵路客運(yùn)量短期預(yù)測(cè)方法的研究[D]. 王芳.北京交通大學(xué) 2007
本文編號(hào):2918350
本文鏈接:http://www.wukwdryxk.cn/guanlilunwen/tongjijuecelunwen/2918350.html
最近更新
教材專著