期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于Influ-Logit模型的兰州至中川铁路货运量分担率研究 被引量:7
1
作者 宋建强 鲍学英 +1 位作者 王起才 董朝阳 《铁道科学与工程学报》 CAS CSCD 北大核心 2016年第1期176-180,共5页
铁路货运分担率是指铁路所占有的运输市场份额,也是确定铁路项目投资规模和进行项目经济评价的重要参数。通过市场调查确定货主在选择货物运输方式时主要考虑的影响因素,并建立相应的评价指标体系,应用层次分析法计算出各指标的权重值... 铁路货运分担率是指铁路所占有的运输市场份额,也是确定铁路项目投资规模和进行项目经济评价的重要参数。通过市场调查确定货主在选择货物运输方式时主要考虑的影响因素,并建立相应的评价指标体系,应用层次分析法计算出各指标的权重值。利用Influ-Logit模型计算得到兰州至中川铁路货运分担率为43.98%。可见,铁路运输在短距离运输方面处于劣势地位。因此,为了提高兰州至中川铁路的货运分担率,需在铁路运输的时效性和办理程序方面不断进行改进。 展开更多
关键词 Influ—Logit模型 货运量 分担率
在线阅读 下载PDF
兰州至中川城际铁路客运量分担率计算及应用 被引量:4
2
作者 鲍学英 王起才 董朝阳 《铁道运输与经济》 北大核心 2015年第3期54-58,共5页
基于兰州至中川城际铁路列车开行方案及旅客出行意愿调查,通过采用相对效用值代替传统Logit模型中的效用函数值对其进行改进,并选择安全性、经济性、快速性、方便性、舒适度5个主要指标进行预测影响分析,运用改进后的Logit模型对其客运... 基于兰州至中川城际铁路列车开行方案及旅客出行意愿调查,通过采用相对效用值代替传统Logit模型中的效用函数值对其进行改进,并选择安全性、经济性、快速性、方便性、舒适度5个主要指标进行预测影响分析,运用改进后的Logit模型对其客运量分担率进行估算。结果表明,该城际项目建成后的初期分担率为50.89%,考虑随着国民经济水平的提高,旅客选择交通方式将越来越重视旅行速度,若加大城际铁路开行频率、提高运行速度,其市场占有率仍有很大的提升空间。 展开更多
关键词 城际铁路 客运量 LOGIT模型 分担率
在线阅读 下载PDF
基于GM—周期扩展组合模型的铁路客运量预测 被引量:9
3
作者 贺晓霞 鲍学英 +1 位作者 王起才 董朝阳 《铁道科学与工程学报》 CAS CSCD 北大核心 2015年第3期685-689,共5页
铁路客运量的准确预测对我国铁路建设项目投资和决策具有重要意义。由于铁路客运量预测系统本身是一个信息不完全的灰色系统,因此,可以通过建立(灰色)GM-周期扩展组合模型对铁路客运量的非线性动态变化进行预测。该模型运用灰色预测理论... 铁路客运量的准确预测对我国铁路建设项目投资和决策具有重要意义。由于铁路客运量预测系统本身是一个信息不完全的灰色系统,因此,可以通过建立(灰色)GM-周期扩展组合模型对铁路客运量的非线性动态变化进行预测。该模型运用灰色预测理论GM(1,1)与周期扩展模型结合,不但可以进行客运量的趋势预测,同时也可以充分考虑铁路客运量的周期波动性这一特征。最后,结合具体的实例验证说明该模型是科学合理的,预测值与实际值较吻合。 展开更多
关键词 灰色理论 GM-周期扩展组合模型 GM(1 1)模型 铁路客运量预测
在线阅读 下载PDF
新型组合模型在铁路客运量预测中的应用 被引量:8
4
作者 冯冰玉 鲍学英 +1 位作者 王起才 董朝阳 《铁道标准设计》 北大核心 2015年第12期6-9,共4页
客运量是用来测算交通运输业所承担的工作量,反映了运输业为国民经济和人民生活服务的数量指标,准确的客运量预测直接影响到铁路项目的经济效益评价及铁路交通组织安排。根据客流量数据的特点,提出新的组合预测方法,构建线性时间序列灰... 客运量是用来测算交通运输业所承担的工作量,反映了运输业为国民经济和人民生活服务的数量指标,准确的客运量预测直接影响到铁路项目的经济效益评价及铁路交通组织安排。根据客流量数据的特点,提出新的组合预测方法,构建线性时间序列灰色GM(1,1)模型和考虑客流量影响因素的非线性遗传算法优化BP神经网络模型。最后结合新建兰州至中川机场铁路项目及调查数据进行客流量的预测研究,并将组合模型预测结果和单一模型相比,得出新型线性和非线性组合模型预测精度更高,取得了满意的效果,为客流量的预测提供了一种新的工具。 展开更多
关键词 铁路运输 客运量预测 组合模型 灰色理论 BP神经网络 遗传算法
在线阅读 下载PDF
基于幂函数x^(-a)变换的GM(1,1)模型在货运量预测中的应用研究 被引量:2
5
作者 宋建强 鲍学英 +1 位作者 王起才 董朝阳 《铁道科学与工程学报》 CAS CSCD 北大核心 2016年第9期1859-1863,共5页
针对传统GM(1,1)模型对原始数列的光滑度要求较高且预测结果误差较大的问题,通过对原始货运量数据用幂函数x^(-a)进行处理,将处理后的数据带入GM(1,1)模型进行预测,提出基于幂函数x^(-a)变换的GM(1,1)货运量预测模型。最后,通过将该模... 针对传统GM(1,1)模型对原始数列的光滑度要求较高且预测结果误差较大的问题,通过对原始货运量数据用幂函数x^(-a)进行处理,将处理后的数据带入GM(1,1)模型进行预测,提出基于幂函数x^(-a)变换的GM(1,1)货运量预测模型。最后,通过将该模型应用到实际案例中,验证基于幂函数x-a变换的GM(1,1)货运量预测模型较传统的GM(1,1)模型在预测精度方面有了较大幅度的提高,预测的相对误差降低了8.7%。研究结果表明,基于幂函数x^(-a)变换的GM(1,1)模型可以更有效的对货运量进行预测。 展开更多
关键词 灰色模型 幂函数变换 货运量 预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部