铁路货运量预测相关论文
人工神经网络是一种模拟人脑神经系统而建立的数学模型,它具有很强的容错性和自适应性,是人工智能发展中的重要方法。很多学者也对......
为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相......
采用基于灰色关联分析的支持向量机对铁路货运量进行预测.首先利用灰色关联分析法对影响铁路货运量的因素进行分析处理,然后利用基......
针对铁路货运量发展变化的非线性特性,采用非线性灰色模型中的无偏GM（1,1）幂模型进行预测,并用状态划分更为精细后的马尔可夫链修正......
铁路运输是国民经济的大动脉、国家重要基础设施和大众化交通工具，在综合交通运输体系中发挥着骨干作用。货物运输是铁路运输的一项......
为提高铁路货运量预测精度,针对Elman神经网络的预测精度受其权值和阀值的影响,提出了一种基于DA-Elman的铁路货运量预测方法。选......
通过研究欧美发达国家运输业发展历史,发现相比于其他传统的公铁水独立运输,运输形式为集装箱的多式联运最经济的运输方式。集装箱......
针对铁路货运量与其影响因素间的复杂非线性关系,建立自适应粒子群最小二乘支持向量机（APSO-LSSVM）模型用于铁路货运量预测研究,利用......
为提高BP神经网络预测模型的预测准确性，：将AdaBoost算法和BP神经网络相结合，提出了一种AdaBoost_BP神经网络预测模型。将该预测模型......
为提高灰色Verhulst模型的预测精度,采用粒子群算法对灰色Verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,......
针对现有铁路货运量预测方法存在较大突变性误差的问题,提出经济周期阶段参数的概念,将经济周期量化后作为一个输入因素提供给神经......
铁路货运量是衡量铁路竞争力的关键性指标,对货运量及其发展趋势的准确预测与把握,可为铁路运输组织及各级运输管理方案的制定提供......
针对现有铁路货运量预测方法的不足,提出基于改进粒子群优化算法的灰色神经网络(IPSO-GNN)的铁路货运量预测方法,通过IPSO对常规灰......
铁路运输网络在整个综合运输网络中起着非常重要的作用。对于铁路运输企业而言,需求预测是一项重要的管理手段,能够帮助企业预测和......
针对传统灰色马尔可夫预测模型存在灰色偏差与抗干扰能力弱的局限性,将无偏灰色理论与模糊集合理论引入预测模型,从趋势曲线灰色拟......
针对于目前已有铁路货运量预测方法的缺陷与不足，提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化，目......
货运量预测关系到铁路基础设施建设、货运计划制定和货运站场的管理,因此铁路部门一直力图准确预测铁路货运量。传统的预测方法受......
为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为......
