本文關(guān)鍵詞：基于馬爾科夫—Verhulst模型的鐵路貨運(yùn)量預(yù)測研究

  更多相關(guān)文章： 物流運(yùn)輸 鐵路貨運(yùn)量 Verhulst模型 馬爾科夫鏈模型 預(yù)測

【摘要】：鐵路貨運(yùn)量是一個地區(qū)經(jīng)濟(jì)發(fā)展的先行指標(biāo)之一,準(zhǔn)確預(yù)測鐵路貨運(yùn)量能夠?yàn)樵摰貐^(qū)的發(fā)展規(guī)劃起到指導(dǎo)作用。針對傳統(tǒng)灰色Verhulst模型在進(jìn)行鐵路貨運(yùn)量預(yù)測時(shí)模型誤差較大的問題,運(yùn)用馬爾科夫鏈模型對傳統(tǒng)Verhulst模型的預(yù)測結(jié)果進(jìn)行修正改進(jìn),以提高模型的預(yù)測精度。最后,通過引入實(shí)際案例,驗(yàn)證了經(jīng)過馬爾科夫鏈改進(jìn)的灰色Verhulst模型在預(yù)測精度方面有了大幅度的提高,適用于甘肅省鐵路貨運(yùn)量的預(yù)測。因此,應(yīng)用該模型對甘肅省2015年到2017年的鐵路貨運(yùn)量進(jìn)行預(yù)測,為該地區(qū)的物流運(yùn)輸及其他相關(guān)行業(yè)的發(fā)展提供可靠的指標(biāo)依據(jù)。
【作者單位】： 蘭州交通大學(xué)土木工程學(xué)院;
【關(guān)鍵詞】： 物流運(yùn)輸 鐵路貨運(yùn)量 Verhulst模型 馬爾科夫鏈模型 預(yù)測
【分類號】：U294.1
【正文快照】： 鐵路貨運(yùn)是一個地區(qū)交通運(yùn)輸?shù)闹匾M成部分,更是這一地區(qū)經(jīng)濟(jì)發(fā)展和居民生活所必需的,它不僅為該地區(qū)物流業(yè)提供便利,而且影響著該地區(qū)人民生活的各個方面。能夠系統(tǒng)準(zhǔn)確地預(yù)測鐵路貨運(yùn)量將會給該地區(qū)經(jīng)濟(jì)發(fā)展提供一個有力的指標(biāo),并為鐵路運(yùn)輸所帶來的環(huán)境影響提供可靠的數(shù)據(jù)

【相似文獻(xiàn)】

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 李銳;1-5月 俄鐵路貨運(yùn)量同比增加12.9%[N];遠(yuǎn)東經(jīng)貿(mào)導(dǎo)報(bào);2010年

2 王海生 苑洪波 杜慶君;唐港鐵路貨運(yùn)量 創(chuàng)歷史最高水平[N];唐山勞動日報(bào);2011年

3 本報(bào)記者 孫春芳;6月鐵路貨運(yùn)量同比、環(huán)比雙降[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2014年

4 記者 王龍飛;我省鐵路貨運(yùn)量持續(xù)增長[N];山西經(jīng)濟(jì)日報(bào);2014年

5 證券時(shí)報(bào)記者 靳書陽;不必過分擔(dān)憂 鐵路貨運(yùn)量下滑[N];證券時(shí)報(bào);2014年

6 記者 羅忠河;前8個月全國鐵路貨運(yùn)量同比增長12.8%[N];中國冶金報(bào);2010年

7 記者 李慧穎;1—10月大興安嶺[N];黑龍江經(jīng)濟(jì)報(bào);2011年

8 記者 王龍飛;59232.3萬噸:我省鐵路貨運(yùn)量創(chuàng)歷史新高[N];山西經(jīng)濟(jì)日報(bào);2013年

9 林琳;鐵路貨運(yùn)量緣何下降[N];現(xiàn)代物流報(bào);2013年

10 國際期貨 李莉;鐵路貨運(yùn)量：大宗商品的“景氣度”[N];中國證券報(bào);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 陳星;基于遺傳改進(jìn)廣義回歸神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測研究[D];大連交通大學(xué);2015年

2 蔡志強(qiáng);阿拉山口鐵路貨運(yùn)量預(yù)測分析[D];蘭州交通大學(xué);2015年

3 暢博;基于經(jīng)濟(jì)周期的鐵路貨運(yùn)量人工神經(jīng)網(wǎng)絡(luò)預(yù)測研究[D];中南大學(xué);2010年

4 宋光平;鐵路貨運(yùn)量預(yù)測方法研究[D];北京交通大學(xué);2007年

5 吳曉玲;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的鐵路貨運(yùn)量預(yù)測研究[D];中南大學(xué);2009年

6 郭瓊瓊;基于灰色系統(tǒng)理論的鐵路貨運(yùn)量預(yù)測研究[D];解放軍信息工程大學(xué);2008年

7 郭騰;基于Benford法則的克強(qiáng)指數(shù)的可靠性研究[D];燕山大學(xué);2014年

，

本文編號：600685