京、津、冀货运量影响分析及预测

发布时间：2020-05-31 04:33

【摘要】：经济的快速发展与交通运输业的发展状况紧密联系,良好的交通基础设施能够促进经济的发展,而经济的快速发展能够支撑交通运输业的发展,两者互相促进,相辅相成。京津冀地区是我国东部沿海地区最重要的经济区域,近年来政府在积极推进京津冀一体化,势必要促进京津冀的交通一体化发展。而交通一体化建设情况是否与区域的经济发展需要相匹配息息相关,因此在实现京津冀交通一体化的过程中,需要全面掌握该地区的货运量、货运制度及影响货运量变化因素等相关信息。因此,预测和研究未来京津冀货运量及其货运量影响因素之间的动态关系就显得尤其重要。通过阅读大量国内外文献,本文基于京津冀一体化建设情况及目前该地区货运量变化趋势深入研究了影响京津冀货运量因素及构建了准确度较高的预测模型,对京津冀货运量进行了预测。文中主要从以下两个方面展开工作:(1)本文阅读了大量有关货运量预测的研究文献,综合分析了各种预测方法的适用范围和优缺点,选择出适合本文京津冀货运量研究的预测方法,分别为:自回归单整移动平均时间序列(ARIMA)模型、向量自回归(VAR)模型和支持向量机(SVM)模型,用这三种方法进行京津冀各省货运量的对比预测,再选出最佳的预测模型。结果显示:ARIMA模型预测准确度较差,平均相对误差为0.13,SVM预测准确度最好,平均相对误差为0.02,VAR模型预测货运量的相对误差在二者之间,并且能进一步研究货运量与影响因素之间的变动关系。故本文从理论和实际使用意义两方面考虑,建议结合使用VAR和SVM模型做京津冀货运量的预测及影响因素分析最为恰当。(2)本文还利用VAR模型做货运量的影响因素的分析,从货运量与影响因素的长期协整关系、具体的因果互动关系、波动解释的重要程度这些方面做货运机理的具体研究。结果发现:京津冀三地区由于地理位置,经济发达程度和城市属性的不同,货运量影响因素对京津冀货运量的影响效果各不相同,是一个复杂的过程。本文的创新点在于通过选择ARIMA模型、VAR模型和SVM模型预测未来京津冀货运量,通过对比预测准确度和实际操作意义选出最适合的预测模型。利用灰色关联模型选出关键的货运影响因素,从而构建VAR影响因素分析模型,得出货运量与这些影响因素的具体变动关系。这样可以有利于交通运输部门更好的调控和预测货运量,建立更科学、规范的货运体系,促进京津冀交通一体化。
【图文】：

稳定性检验

型与检验逡逑要确定最优的滞后阶数，通过ＡＩＣ和ＳＣ为滞后阶数选择的最量，同时结合ＬＲ、ＰＰＥ以及ＨＱ等相关统计量定阶。表３－７对源消耗总量ＩｎＥ，人Ｕ人数ＩｎＰ，运输线路长度ＩｎＬ，第二产业行定阶与稳定性检验，Ｆ表ＦＰＥ、ＡＩＣ、ＳＣ和ＨＱ统计量显示以按照一半以上统计量最优原则确定，，对变量建立的ＶＡＲ（ｌ）模表３－７邋ＶＡＲ模型滞后阶数确定ＬｏｇＬ逦ＬＲ逦ＦＰＥ逦ＡＩＣ逦ＳＣ逦ＨＱ１邋１２．８０逦ＮＡ逦５．８５逦－９．３７逦－９．１３逦－９．３２４４．５０逦１９４．７０＊逦５．８０＊逦－１８．６５＊逦－１７．１７＊逦－１８．２２６９．３４逦２５．９２逦８．４６逦－１８．６４逦－１５．９２逦－１７．９ＩｎＥ、ＩｎＰ、ＩｎＬ、ＩｎＰ的ＶＡＲ（ｌ）模型下进行稳定性进行检验，于１，即在单位圆内，就认为ＶＡＲ模型是稳定的。图３－１中显内，由此认为所构建的ＶＡＲ（ｌ）模型是稳定的。逡逑Ｉｎｖｅｒｓｅ邋Ｒｏｏｔｓ邋ｏｆ邋ＡＲ邋Ｃｈａｒａｃｔｅｒｉｓｔｉｃ邋Ｐｏｌｙｎｏｍｉａｌ逡逑

稳定性检验,特征根

逑对ＩｎＴ．丨Ｖ与ＩｎＥ、ＩｎＰ、ｌｎＬ、ＩｎＰ的ＶＡＲ（２）模型下进行稳定性进行检验，如果模型逡逑的残差特征根小于１，即在单位圆内，就认为ＶＡＲ模型是稳定的。下图３－３中显示残差逡逑特征根均在单位圆内，由此认为所构建的ＶＡＲ（２）模型是稳定的。逡逑Ｉｎｖｅｒｓｅ邋Ｒｏｏｔｓ邋ｏｆ邋ＡＲ邋Ｃｈａｒａｃｔｅｒｉｓｔｉｃ邋Ｐｏｌｙｎｏｍｉａｌ逡逑１．５逦逦逦逦逡逑１．０－逡逑０．５－逦？逡逑０．０－逦■逡逑－０．５邋－逦＊逦，逡逑－１．０－逡逑－１－５－１逦，逦，逦，逦，逦，逦逡逑－１．５逦－１．０逦－０．５逦０．０逦０．５逦１．０逦１．５逡逑图３－３邋ＶＡＲ稳定性检验逡逑（３）协整检验逡逑下面将对天津的货运量ＩｎＶ与能源消耗总量ＩｎＥ
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F512.7

【参考文献】