鐵路貨運量反映了國民經(jīng)濟(jì)各個部門對鐵路運輸?shù)男枨?是安排鐵路建設(shè)和運營的重要依據(jù),也是處理好鐵路內(nèi)部各部門協(xié)調(diào)發(fā)展的前提。在市場經(jīng)濟(jì)條件下,對不斷變化的鐵路運輸需求進(jìn)行及時、靈敏、準(zhǔn)確、科學(xué)地預(yù)測,顯得尤為迫切與重要。但是鐵路貨運量是由眾多內(nèi)外在因素共同影響而成的,它與其影響因素之間有著比較復(fù)雜的非線性映射關(guān)系。而傳統(tǒng)的預(yù)測方法大都是基于時間序列或者因果關(guān)系的,所建立的模型不能完全反映有關(guān)數(shù)據(jù)的內(nèi)部結(jié)構(gòu)與復(fù)雜性,不能充分利用信息量。因此尋求一套科學(xué)的鐵路貨運量預(yù)測方法尤為必要。 本文首先闡述了鐵路貨運量預(yù)測問題的研究意義,分析了鐵路貨運量預(yù)測問題的研究現(xiàn)狀,敘述了本文的主要內(nèi)容。然后從定性及定量的角度分析了鐵路貨運量的現(xiàn)有預(yù)測方法,并在歷年數(shù)據(jù)的基礎(chǔ)上利用指數(shù)平滑法、線性回歸法、灰色預(yù)測法及組合預(yù)測法作實證分析。接著從國民經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)、大宗貨物產(chǎn)量、交通運輸結(jié)構(gòu)、國家政策、其他因素等諸方面定性分析了鐵路貨運量的影響因素,并在此基礎(chǔ)上做定量分析,選出了鐵路貨運量的十種主要影響因素,為之后的神經(jīng)網(wǎng)絡(luò)算法做好前期準(zhǔn)備工作。本文在人工神經(jīng)網(wǎng)絡(luò)及遺傳算法理論的基礎(chǔ)上,設(shè)計了一種改進(jìn)的前向神經(jīng)網(wǎng)絡(luò)算法——遺傳神經(jīng)算法,并在MATLAB平臺上編程實現(xiàn)了該算法。最后,分別比較遺傳神經(jīng)算法與原始神經(jīng)網(wǎng)絡(luò)算法,遺傳神經(jīng)算法與其他線性預(yù)測算法,分析各算法的優(yōu)劣勢。 通過對該問題的研究,作者認(rèn)為：鐵路貨運量與國內(nèi)生產(chǎn)總值、第二產(chǎn)業(yè)比重、原煤產(chǎn)量、原油產(chǎn)量、鋼材產(chǎn)量、糧食產(chǎn)量,基建投入,港口貨物吞吐量,鐵路份額,公路份額等因素具有較大的關(guān)系；本文所設(shè)計的遺傳神經(jīng)算法在算法運行收斂時間及解的質(zhì)量精度上都比原始神經(jīng)算法要有所改進(jìn)提高,具有一定的可行性。
【學(xué)位單位】：中南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2009
【中圖分類】：F532;F224;U294.13
【部分圖文】：

增長了3.48倍，年遞增16.17%;鐵路運鋼從1.01億噸增長到2.16億噸，增長了 1.14倍，年遞增7.%%。鐵路與國民經(jīng)濟(jì)，原煤產(chǎn)量，鋼鐵產(chǎn)量的增長對比關(guān)系如圖1一1所示。年遞增率圖1一 11998一一2007年國民經(jīng)濟(jì)、原煤產(chǎn)量、鋼鐵產(chǎn)量及鐵路營業(yè)里程增長對比)

碩士學(xué)位論文第一章緒論由各數(shù)據(jù)及圖1一1可以看出鐵路運輸?shù)陌l(fā)展速度遠(yuǎn)遠(yuǎn)落后于國民經(jīng)濟(jì)、煤炭、鋼鐵等行業(yè)的發(fā)展速度，鐵路發(fā)展的相對落后正成為國民經(jīng)濟(jì)發(fā)展的“瓶頸”。而在幾大交通運輸方式中，從 1978年到2007年，鐵路運輸占全社會貨運量的比重由44.2%降低到 13.8%，而公路運輸則由34.2%增加到72.0%，我國公路投資額從1998年的1061.19億猛增至2007年的6926.6億元，增長了6.53倍;我國對鐵路的投資額從1998年634.4億元增長到2007年的2492.7億元，增長僅為3.93倍

316862.32.3.5各線性預(yù)測法誤差分析首先，由表2一2至表2一6可得各模型的預(yù)測效果，如圖2一1所示。圖2一1各模型預(yù)..J效果圖其次，結(jié)合實際數(shù)值，對各模型預(yù)測結(jié)果進(jìn)行誤差分析，如表2一7所示。表2一7誤差對比指 指指數(shù)平滑滑線性回歸歸灰色預(yù)測測組合預(yù)測測 MMMAEEE9735.81115444.62228093.05555460.3999平平均絕對誤差 差 差 差 差 差 MMMAPEEE3.75552.08883.47772.2666平平均絕對誤差百分比 (%)))))))))))1)各單一模型中，指數(shù)平滑，灰色預(yù)測所需的數(shù)據(jù)較少，較為簡便，具有較強(qiáng)的可操作性，而線性回歸雖然所需的數(shù)值資料較多，但它從鐵路貨運量與國民生產(chǎn)總值的內(nèi)在關(guān)系出發(fā)，反映出二者的映射關(guān)系，具有較強(qiáng)的直觀性。

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 戴添發(fā);趙鴻;;隨機(jī)變異—優(yōu)化選擇神經(jīng)網(wǎng)絡(luò)在鐵貨運量預(yù)測方面的應(yīng)用[J];新疆師范大學(xué)學(xué)報(自然科學(xué)版);2011年02期

相關(guān)碩士學(xué)位論文 前3條

1 丁然;綜合交通影響因素及需求預(yù)測研究[D];北京交通大學(xué);2011年

2 李景云;基于ASP汽車產(chǎn)業(yè)鏈協(xié)作平臺的銷售決策支持系統(tǒng)的研究與實現(xiàn)[D];西南交通大學(xué);2011年

3 程成;東三省區(qū)域貨運量影響因素篩選及預(yù)測研究[D];吉林大學(xué);2013年

本文編號：2810754