-
题名基于LIBSVM和时间序列的区域货运量预测研究
被引量：5
- 1
-
-
作者
曾鸣
林磊
程文明
-
机构
西南交通大学机械工程学院
纽约州立大学布法罗分校土木工程学院
-
出处
《计算机工程与应用》
CSCD
2013年第21期6-10,共5页
-
基金
国家留学基金委建设高水平大学研究生项目专项资金资助(留金发[2012]3013)
-
文摘
针对区域货运量预测中影响因素多、样本数量小的问题,提出了互信息MI与LIBSVM支持向量回归以及状态空间时间序列相结合的预测方法,采用MI进行高维度特征降维后,以新的低维空间作为样本输入,分别建立LIBSVM支持向量回归和状态空间时间序列预测模型。通过重庆市货运量预测实验结果及对比分析表明,该方法在进行有效预测的同时能够改善预测精度,相对误差约为0.06。
-
关键词
互信息(MI)
支持向量机程序库(LIBSVM)支持向量回归
状态空间时间序列
区域货运量
预测
-
Keywords
Mutual Information（MI）
Library for Support Vector Machines （LIBSVM） support vector regression
state space time series
regional freight volume
forecasting
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-
-
题名区域货运量预测方法的比较
被引量：13
- 2
-
-
作者
程礼芬
-
机构
重庆交通学院管理学院
-
出处
《重庆交通学院学报》
2005年第4期114-116,170,共4页
-
文摘
本文在对货运量预测理论和程序概述的基础上,介绍并比较了常用区域货运量预测方法的优缺点,重点分析了基于产业结构测度的区域货运量预测的基本原理,实证分析表明,该种方法都较目前常用的宏观货运量预测方法优.
-
关键词
区域货运量
预测方法
产业结构测度
-
Keywords
regional freight volume
forecast method
measurement of industrial structure
-
分类号
F540.31
[经济管理—产业经济]
-
-
题名基于改进LSSVM模型的区域铁路货运量预测
被引量：6
- 3
-
-
作者
陈鹏芳
孟建军
李德仓
胥如迅
-
机构
兰州交通大学机电技术研究所
甘肃省物流及运输装备信息化工程技术研究中心
甘肃省物流与运输装备行业技术中心
-
出处
《铁道运输与经济》
北大核心
2022年第2期59-65,共7页
-
基金
国家自然科学基金项目(62063013,72061021)
国家铁路局科研课题(TYFH201931,TYSH202022)。
-
文摘
准确的区域铁路货运量预测在区域物流顶层规划、运输资源合理配置及其他物流辅助活动中起着重要的参考作用。针对LSSVM模型参数选择敏感和选择随意,且多输入条件下模型过程计算复杂的问题,提出一种融合PCA方法、WOA算法和LSSVM模型的区域铁路货运量预测新方法。采用PCA方法提取样本数据的主成分作为模型的输入,利用WOA算法全局搜索能力强、寻优效率高的优点对LSSVM模型的参数组合(λ,δ)进行寻优,得到基于改进LSSVM的区域铁路货运量预测模型。以陕西省2001—2019年与铁路货运量相关的18个指标数据作为样本,通过实际算例验证模型的预测性能。结果表明,所建模型的最大相对误差绝对值达到2.724%,相较于传统LSSVM模型和WOA-LSSVM模型降低了7.748%和3.589%,且模型的泛化能力和稳定性都得到了提升。
-
关键词
区域铁路货运量
预测
LSSVM模型
PCA
WOA算法
-
Keywords
Regional Railway Freight Volume
Forecasting
LSSVM Model
PCA
WOA
-
分类号
U294.13
[交通运输工程—交通运输规划与管理]
-
-
题名德国物流现状考察及体会
被引量：3
- 4
-
-
作者
覃志刚
-
机构
柳州铁路局柳州南站
-
出处
《铁道运输与经济》
北大核心
2004年第2期73-76,共4页
-
文摘
通过对德国第三方物流业的发展的考察,介绍了德国交通运输概况,以及物流业的发展情况,提出中国发展物流业应当重视的问题。特别论述了铁路在物流产业发展中的作用。
-
关键词
德国
物流业
联运
区域货运
运输代理
-
分类号
F255.16
[经济管理—国民经济]
-
