铁路货运量预测方法研究

发布时间：2020-05-05 16:53

【摘要】： 铁路货运量是确定铁路交通基础设施建设规模的主要依据,货运量预测结果的合理性、可靠性直接影响铁路工程项目的投资和效益,对制定未来铁路运输发展战略、合理利用资源、充分发挥铁路运输设施的效益都有着重要的意义。 论文在广泛参阅有关货运量预测文献的基础上,阐述了铁路货运量预测原理、方法和步骤,综合分析了目前主要预测方法的适用范围和存在的不足,对灰色预测、回归分析、ARMA模型在货运量预测中的应用进行了比较深入的研究和探讨,并探讨了改进的灰色马尔柯夫链预测模型,以及基于移动平滑的ARMA模型。并将多个模型组合起来进行预测,充分利用其中的有用信息,扬长避短,克服了单一预测模型在铁路货运量预测中的局限性,并结合铁路货运量实际情况,实现综合预测铁路货运量的目的,为铁路运输业制定货运市场营销决策提供依据。 本论文分为五个部分,第一部分阐述了论文背景、选题意义、研究目标和本人所做的工作;第二部分回顾了国内外已有文献中对铁路货运量的预测方法应用,并在此基础上,分析了目前铁路货运量预测研究中的不足之处及改进意见;第三部分铁路货运量预测模型综述,介绍时间序列、回归分析等模型的特点及计算过程;第四部分铁路货运量预测模型实证分析;第五部分本文结论和后续研究方向,提出了今后研究中需要进一步解决的问题及今后的工作展望。
【图文】：

4.2.2平稳性检验利用EVIEwS软件做出铁路货运量的时间序列图如下。图4一2是铁路货运量时间序列图，图中横轴表示以季度为单位的时间，，为简便起见，以序列号代替:纵轴表示货运量的数值(HYL表示铁路货运量)。从图4一2可以看出铁路货运量总体表现为上升的趋势。从图4一3的铁路货运量自相关函数图可以看出其自相关函数衰减是非常缓慢的。70000--60000一50000-40000-300侧)心20000， 102030405060708090100110图4一2铁路货运量时序图(Y表示季节调整后的铁路货运量)户户山 toCorre!ationnnPartia!CO叮e!ationnnACPACQ一 StatPmbbb…… {{{…… ---10.8780.印 891.7加D.【犯 000 22222220.7肠0.田 1165.670.日 1))) 33333330.7010.田22乃 .190.t刀 ))) 44444440.629D.D12273.540.tX刃 刃 55555550.5阳习 .D27311.田0.t兀旧 旧 66666660.印 40.0刃343.砍。仪幻 幻 77777770.4阳0.014汤9.B30.仪幻 幻 88888880.4160.田 2391.710.仪刃 刃 9999999D.阳 10017410.240.以刃 刃、 、 、、祖0.348一0.田 3425.850.仪旧旧 111111110.3210D154刃
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：U294.13

【引证文献】

相关期刊论文 前2条

1 郭文伟;陈妍玲;;中国铁路运输需求规模探析[J];经济问题探索;2011年10期

2 刘婷婷;邓克涛;马昌喜;;模糊神经网络非线性组合预测在铁路货运量预测中的应用[J];铁道运输与经济;2008年09期

相关硕士学位论文 前10条

1 丁然;综合交通影响因素及需求预测研究[D];北京交通大学;2011年

2 杨进伟;基于GM/BP神经网络组合预测模型的区域物流量预测研究[D];中南大学;2011年

3 雷蕾;贵州省铁路网布局规划建议方案研究[D];西南交通大学;2011年

4 王俊;灰色系统理论在原水水质预测与评价中的应用研究[D];重庆大学;2011年

5 马腾;河北省棉花生产预测与预警研究[D];河北农业大学;2008年

6 卢冠群;基于广义回归神经网络的公路旅游交通量预测分析[D];长沙理工大学;2009年

7 张颖;基于实物量和价值量的钢铁物流需求预测方法研究[D];北京交通大学;2009年

8 唐斌;基于灰色马尔可夫链组合预测的随机桥梁荷载模型研究[D];中南大学;2009年

9 王立娟;云南花卉冷链物流及铁路运输相关问题研究[D];北京交通大学;2010年

10 李骥平;商空间理论在煤矿预警中的应用[D];太原理工大学;2010年

本文编号：2650466