近年來,國家宏觀經(jīng)濟增速放緩,經(jīng)濟結(jié)構(gòu)調(diào)整、產(chǎn)業(yè)轉(zhuǎn)型升級、節(jié)能減排力度不斷加大,煤炭、礦石、鋼鐵等大宗物資的全社會運輸需求總量持續(xù)下滑,大宗貨源明顯減少。自2013年以來,鐵路貨運量下滑明顯,鐵路貨運市場形勢嚴峻已是不爭的事實。在此情形下本文通過對我國鐵路貨運市場現(xiàn)狀及影響因素的分析,在借鑒國內(nèi)外研究成果的基礎上,提出了經(jīng)濟新常態(tài)下的鐵路貨運市場預警方法,對貨運市場發(fā)展態(tài)勢進行綜合評價與預警。旨在為鐵路貨運市場預警提供一個新思路和科學方法。首先,論文定義了鐵路貨運市場預警涵義,并確定了明確警義、分析警情、探索警源、預報警度、排警調(diào)控的基本流程。繼而對鐵路貨運預警方法與預警模型的基本理論進行了分析,選取綜合模擬法作為鐵路貨運市場警情警度的判定方法；采用模型預警法構(gòu)建鐵路貨運市場預警模型。接著,論文就構(gòu)建鐵路貨運市場預警指標體系進行了重點研究。在現(xiàn)有學者的研究基礎上,提出41個備選指標集,繼而通過灰色關聯(lián)度方法對指標的關聯(lián)度進行計算,篩選出其中31個指標,并結(jié)合“壓力-狀態(tài)-響應”(PSR)模型將指標集分為“壓力”、“狀態(tài)”、“響應”三大子系統(tǒng),分別對應需求、供給、對策改進三方面。通過熵值法確定各指標的權(quán)重,并提出預警指數(shù)的計算方法與警度劃分區(qū)間。然后,針對鐵路貨運市場預警問題,分別提出基于支持向量機(SVM)分類預警方法與基于徑向基神經(jīng)網(wǎng)絡(RBF)的滾動預警方法,并闡述了兩者在MATLAB中的實現(xiàn)。最后對鐵路貨運市場預警方法進行實例研究,計算分析了近24個月鐵路貨運市場月度警情情況,并通過MATLAB仿真分別對SVM模型中的分類結(jié)果和RBF神經(jīng)網(wǎng)絡的預警指數(shù)預測結(jié)果進行了檢驗,兩個模型的精確度均較高。最后分別外推了未來三個月的貨運市場警度情況,得出較一致的結(jié)果,并提出部分調(diào)控措施。以便有關部門及企業(yè)盡可能地提前采取調(diào)控措施和營銷策略,促進鐵路貨運市場的穩(wěn)健運行。
【學位單位】：北京交通大學
【學位級別】：碩士
【學位年份】：2016
【中圖分類】：TP183;F532
【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究目的與意義
    1.4 論文的主要內(nèi)容及研究方法
        1.4.1 研究方法
        1.4.2 研究內(nèi)容與技術路線
2 鐵路貨運市場預警的基本理論與框架
    2.1 鐵路貨運市場預警的涵義
    2.2 鐵路貨運市場預警基本流程和內(nèi)容
    2.3 鐵路貨運預警的基本理論
        2.3.1 各類預警方法比較
        2.3.2 預警模型的研究應用
    2.4 本章小結(jié)
3 基于PSR概念框架的鐵路貨運市場預警指標體系構(gòu)建
    3.1 鐵路貨運市場的PSR概念框架
    3.2 鐵路貨運市場預警指標體系的建立
        3.2.1 指標體系建立的原則
        3.2.2 貨運市場影響因素
        3.2.3 預警指標體系的構(gòu)建
        3.2.4 指標體系說明
    3.3 警情分析方法
        3.3.1 各指標權(quán)重的確定
        3.3.2 預警指數(shù)的計算
        3.3.3 鐵路貨運市場預警警度劃分
    3.4 本章小結(jié)
4 基于SVM與RBF神經(jīng)網(wǎng)絡的鐵路貨運市場預警方法構(gòu)建
    4.1 基于支持向量機的鐵路貨運市場預警方法構(gòu)建
        4.1.1 支持向量機算法
        4.1.2 支持向量機核函數(shù)
        4.1.3 基于支持向量機的鐵路貨運市場預警模型構(gòu)建
        4.1.4 SVM在Matlab中的實現(xiàn)
    4.2 基于RBF神經(jīng)網(wǎng)絡的鐵路貨運市場預警方法構(gòu)建
        4.2.1 RBF神經(jīng)網(wǎng)絡基本原理
        4.2.2 RBF神經(jīng)網(wǎng)絡的設計與求解
        4.2.3 模型學習效果檢驗
        4.2.4 基于RBF神經(jīng)網(wǎng)絡的鐵路貨運市場預警模型構(gòu)建
        4.2.5 RBF在Matlab中的實現(xiàn)
    4.3 本章小結(jié)
5 實例分析
    5.1 指標權(quán)重及預警指數(shù)計算
        5.1.1 子系統(tǒng)內(nèi)各指標權(quán)重的確定
        5.1.2 預警指數(shù)的計算及分析
    5.2 基于支持向量機的鐵路貨運市場預警模型實例研究
        5.2.1 參數(shù)尋優(yōu)
        5.2.2 預測分類結(jié)果檢驗
        5.2.3 預警指數(shù)預測分類
    5.3 基于RBF神經(jīng)網(wǎng)絡的鐵路貨運市場預警模型實例研究
    5.4 兩種方法預警結(jié)果比較分析
    5.5 本章小結(jié)
6 結(jié)論與展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集

【相似文獻】

相關期刊論文 前10條

1 魏靜,劉作義;淺談影響鐵路貨運量的主要因素及鐵路貨運發(fā)展戰(zhàn)略[J];鐵道貨運;2000年06期

2 ;鐵路貨運開始向外資開放[J];鐵道車輛;2001年02期

3 王久梗;論新時期我國鐵路貨運發(fā)展戰(zhàn)略[J];蘭州鐵道學院學報;2002年05期

4 ;入世后外資可參與經(jīng)營鐵路貨運[J];鐵道機車車輛工人;2002年01期

5 張伯敏;我國鐵路貨運改革階段剖析[J];上海鐵道科技;2002年03期

6 程金松;長途鐵路貨運節(jié)能器[J];國外機車車輛工藝;2003年03期

7 周紅彬;傳統(tǒng)鐵路貨運向現(xiàn)代物流業(yè)的轉(zhuǎn)化[J];鐵道貨運;2003年03期

8 崔捷晴;馮芬玲;;論鐵路貨運服務質(zhì)量的衡量及改善[J];中國科技信息;2006年01期

9 劉憲;;供港鐵路貨運與普通鐵路貨運差異辨析[J];鐵道運營技術;2007年01期

10 竇隨權(quán);;鐵路貨運市場現(xiàn)狀及發(fā)展策略分析[J];鐵道貨運;2007年05期

相關博士學位論文 前6條

1 穆鑫;我國既有線運用27t軸重貨車技術經(jīng)濟研究[D];西南交通大學;2014年

2 楊意堅;基于鐵路貨運客戶價值創(chuàng)造的企業(yè)能力研究[D];北京交通大學;2010年

3 路海平;鐵路貨運嵌入社會物流的模式及運作機制研究[D];北京交通大學;2013年

4 王波;市場化條件下鐵路貨運競爭戰(zhàn)略選擇及運輸資源優(yōu)化研究[D];北京交通大學;2013年

5 嚴賀祥;鐵路貨運通道布局優(yōu)化的模型和方法研究[D];北京交通大學;2008年

6 江南;鐵路貨運承認車審批優(yōu)化決策系統(tǒng)及相關問題研究[D];中南大學;2006年

相關碩士學位論文 前10條

1 劉朝暉;我國鐵路貨運體制改革與發(fā)展的研究[D];西南交通大學;2005年

2 莊乾秋;基于收益管理的鐵路貨運艙位分配策略研究[D];西南交通大學;2015年

3 鞠浩然;“實貨制”下鐵路貨運服務質(zhì)量管理研究[D];西南交通大學;2015年

4 范毅;我國高鐵開行貨運綜合需求分析[D];西南交通大學;2015年

5 孫中陽;需求導向型鐵路貨運信息管理系統(tǒng)設計與開發(fā)[D];西南交通大學;2015年

6 葉堅;基于數(shù)據(jù)挖掘的鐵路貨運產(chǎn)品營銷研究[D];西南交通大學;2015年

7 李文婧;以客戶價值為導向的鐵路貨運關系營銷策略研究[D];大連交通大學;2015年

8 葉燕程;中歐鐵路貨運集拼模式研究[D];上海交通大學;2015年

9 王靜;鐵路貨運信息數(shù)據(jù)挖掘系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2014年

10 張鵬;鐵路貨運集約化與物流化改革的研究[D];石家莊鐵道大學;2015年

本文編號：2846865