綦江航运综合开发运量预测研究

发布时间：2017-08-14 03:13

  本文关键词：綦江航运综合开发运量预测研究

  更多相关文章： 运量预测 综合交通运输网络 遗传算法 广义费用 指数平滑法

【摘要】：本文依托綦江航运综合开发项目,选择从运输关系的新角度出发,运用图论建立綦江综合交通运输网络模型;再运用Matlab软件建立基于遗传算法原理的优化系统,对交通网络进行优化分析,并得到满足经济性、时效性、安全性等要求的路线方案,从而得到最优的货运分配比重;并运用指数平滑法预测总运量,结合已有的最优分配比重,计算綦江航道未来运量。将所得结果与传统预测方法的运量相比较。本文主要研究成果如下:(1)简要总结各种运输方式的技术经济特征,对其优劣势进行分析,归纳出评价运输方式的各项因素。(2)以广义费用作为评价运输网络的统一标准,使运输选择的各项评价因素以量化的方式表达,将抽象的关系具体化,便于科学、客观地评价运输方案。并结合实际情况,构造广义费用公式。(3)结合綦江交通运输网络实际状况,建立基于遗传算法原理的优化模型,设计针对性的初始化、选择、遗传算子。最终实现对綦江综合交通运输网络的优化分析,并得到相应优化路线及对应运输方案。(4)运用时间序列法——指数平滑法预测綦江年货运总量,并结合优化系统的优化结果,分析计算綦江地区水运量的年分配值,作为预测结果。并将预测结果与《綦江航运开发运量预测报告》的结果相比较,分析算法的有效性。
【关键词】：运量预测 综合交通运输网络 遗传算法 广义费用 指数平滑法
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U692
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-18
• 1.1 研究背景和意义9-11
• 1.2 国内外研究现状11-16
• 1.2.1 交通运输方式简介11-12
• 1.2.2 运量预测的研究现状12-14
• 1.2.3 遗传算法的研究现状14-16
• 1.3 主要研究内容16-18
• 第二章 综合交通运输网络综述及问题分析18-24
• 2.1 综合交通运输网络简介及现在存在的问题18-19
• 2.2 各运输方式优劣分析19-20
• 2.3 综合运输评价体系20-23
• 2.3.1 运输绩效评价基本原则20-21
• 2.3.2 综合运输评价模型体系21-23
• 2.4 本章小结23-24
• 第三章 运输网络中的广义费用24-33
• 3.1 广义费用的引入24-29
• 3.1.1 费用的定义24
• 3.1.2 运输网络广义费用的构成要素24-26
• 3.1.3 广义费用中各因素之间的内在关系分析26-27
• 3.1.4 广义费用在运输模型中的应用27-29
• 3.2 综合交通运输网络的模型29-32
• 3.2.1 网络分析概念与基础29-31
• 3.2.2 综合交通运输网络分析31
• 3.2.3 综合交通运输网络模型的建立31-32
• 3.3 本章小结32-33
• 第四章 基于遗传算法的综合运输网络优化分析33-48
• 4.1 遗传算法的概念和原理33-39
• 4.1.1 遗传算法的基本概念33-34
• 4.1.2 遗传算法的基本原理34-36
• 4.1.3 遗传算法的应用步骤36-37
• 4.1.4 遗传算法的运算流程37-38
• 4.1.5 遗传算法的优点38-39
• 4.2 广义费用最小条件下综合交通运输网络的优化39-47
• 4.2.1 综合运输网络模型的目标函数39-40
• 4.2.2 确定遗传算法的解的编码与译码40-41
• 4.2.3 确定遗传算法的初始群体41-43
• 4.2.4 适应度评价及选择复制算子43
• 4.2.5 确定遗传算法的交叉和变异规则43-45
• 4.2.6 群体更新规则45-46
• 4.2.7 最优运输方案产生过程46-47
• 4.3 本章小结47-48
• 第五章 綦江地区交通运输网络分析48-64
• 5.1 綦江交通网络模型48-51
• 5.2 綦江运输网络优化分析及水路运量预测51-63
• 5.2.1 各运输方式弧值矩阵D51-56
• 5.2.2 基于遗传算法的运输方案优化流程及结果分析56-63
• 5.3 本章小结63-64
• 第六章 水运量预测64-72
• 6.1 预测方法简介64-65
• 6.1.1 指数平滑法概述64-65
• 6.1.2 指数平滑法计算过程65
• 6.2 綦江水运量预测65-71
• 6.2.1 綦江历史货运总量统计65-67
• 6.2.2 指数平滑法预测綦江货运总量67-68
• 6.2.3 水运量分配值计算68
• 6.2.4 其他方法预测綦江水运量68-70
• 6.2.5 各预测方法的比较70-71
• 6.3 本章小结71-72
• 第七章 总结与展望72-74
• 7.1 全文总结72
• 7.2 不足与展望72-74
• 致谢74-75
• 参考文献75-78
• 在学期间发表的论著及取得的科研成果78-79
• 附录79-87

【相似文献】

中国期刊全文数据库 前10条

1 赵闯,刘凯,李电生;基于广义回归神经网络的货运量预测[J];铁道学报;2004年01期

2 王莉;;对既有铁路需要运量预测的探讨[J];北方交通大学学报;1982年01期

3 熊如;;灰色预测的拓扑选择在运量预测中的运用[J];交通部上海船舶运输科学研究所学报;1993年02期

4 杨霞芳,周宗元;运量预测的网络数学模型[J];上海铁道大学学报(理工辑);1999年12期

5 赵闯,刘凯,李电生;支持向量机在货运量预测中的应用研究[J];铁道学报;2004年04期

6 沈鹏,杨浩,魏玉光;青藏铁路格拉段货运量预测[J];北京交通大学学报;2005年03期

7 钟霞,吴中,王丽;灰色理论及其组合模型在交通运量预测中的运用[J];交通标准化;2004年12期

8 李金库,刘庆春;线性回归分析及计算机辅助计算在枢纽规划运量预测中的应用[J];林业机械与木工设备;2004年12期

9 方举;铁路运量预测[J];铁道运输与经济;1981年03期

10 朱昌锋;;基于随机灰色蚁群神经网络的集装箱结点站运量预测[J];铁道科学与工程学报;2011年02期

中国硕士学位论文全文数据库 前10条

1 支远昊;綦江航运综合开发运量预测研究[D];重庆交通大学;2016年

2 陶海龙;基于混合智能算法的铁路运量预测研究[D];兰州交通大学;2012年

3 钱芳;水运量预测方法及其应用研究[D];河海大学;2006年

4 王清校;铁路集装箱运量预测系统研究[D];北京交通大学;2011年

5 韩涛;长江小南海枢纽过坝货运量预测与通航规模研究[D];重庆交通大学;2009年

6 王增兵;神经网络预测法与四阶段预测法相组合在铁路运量预测中的应用研究[D];西南交通大学;2003年

7 杨江练;基于变权组合模型的云南瑞丽中缅边境地区货运量预测研究[D];重庆交通大学;2013年

8 马记钊;内蒙古综合交通运量预测研究[D];北京交通大学;2008年

9 武志鹏;汽车站客运量预测及客商结合模式研究[D];长安大学;2012年

10 吴昌进;昌九城际轨道交通运量预测及运输方案研究[D];清华大学;2008年

，

本文编号：670444