本文關鍵詞：貴州省貨運量預測研究

  更多相關文章： 貴州 貨運量 灰色關聯度 部分線性模型 預測

【摘要】：貴州省地處西南山區(qū),地貌類型復雜、地表崎嶇破碎、土層淺薄、水土流失嚴重、環(huán)境承載力低、人多地少等生態(tài)環(huán)境脆弱性,導致當地交通不發(fā)達,制約了經濟快速健康發(fā)展,交通系統與經濟系統表現為不協調狀態(tài)。精準地預測貴州省貨運量,可對貴州省交通運輸狀況進行合理的調配,提高貨物運輸的周轉率,同時也為貴州貨運基礎設施的規(guī)劃提供建議,合理地分配資源,使運輸方式更加多元化,各種運輸方式之間更加協調,促進交通運輸業(yè)的發(fā)展,從而帶動當地經濟的發(fā)展。目前對貨運量的預測研究主要通過兩種方式,一是根據貨運量的影響因素建立預測模型,二是根據貨運量的時間序列數據的變化規(guī)律。兩種方法各有優(yōu)缺點,現如今,貨運量的影響因素眾多,對復雜的未知因素的把握不夠,在進行預測時只考慮了貨運量的參數特性,沒有對其非參數特性進行研究,影響了預測效果�；谝陨弦蛩氐目紤],本文選取貴州省貨運量這個研究主體,試圖將部分線性模型,一種既包含參數部分,又包含非參數部分的模型引入到貴州省貨運量預測中來,同時采用多元線性回歸模型、灰色預測模型對貴州省貨運量建立預測模型,探討三種模型的預測效果�？紤]到貴州目前的貨運方式主要以公路、鐵路為主,本文進對貴州公路貨運量與鐵路貨運量進行預測研究。本文首先對貴州貨運量的影響因素進行分析,通過運用灰色關聯度分析法,提取出影響公路、鐵路貨運量的主要因素:公路貨運量主要影響因素為:地區(qū)生產總值、社會消費品零售總額、固定資產投資、全部工業(yè)增加值、農副產品產值、旅游總人數;鐵路貨運量的主要影響因素為:社會消費品零售總額、全部工業(yè)增加值、鐵路營運里程、公路線路里程、茅臺酒產量、磷礦石。其次,根據所選取的主要影響因素,并運用1990-2011年的實際數據構建三種預測模型:部分線性模型、多元回歸模型、灰色預測模型,并用2012-2014年的實際數據比較三種模型的擬合效果與預測效果,結果顯示:在構建公路貨運量的預測模型時,部分線性模型與多元回歸模型有較好的擬合效果,而僅有部分線性模型的預測效果較好,預測貴州省2012-2014年公路貨運量,預測誤差都控制在10%以內;建立貴州鐵路貨運量模型,部分線性模型的擬合效果優(yōu)于多元回歸模型和灰色預測模型,從對2012-2014年貴州省鐵路貨運量的預測誤差可看出,僅有部分線性模型的預測誤差控制在10%以內,另外兩個模型的預測誤差偏大。最后,運用部分線性模型預測貴州省2015-2017年的公路貨運量與鐵路貨運量,結果顯示,公路貨運量仍保持上升趨勢,2017年有望突破10億噸;鐵路貨運量在2016年開始上升,逐漸恢復原來增長的趨勢。本文認為產生此結果的原因在于部分線性模型將參數模型與非參數模型集合在一起,使得該模型既集中了參數模型的優(yōu)良特性,又避免了非參數模型的維數禍根的問題,從而提高了模型的預測精度。
【關鍵詞】：貴州 貨運量 灰色關聯度 部分線性模型 預測
【學位授予單位】：貴州財經大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F259.27;F512.7
【目錄】：

• 摘要3-5
• Abstract5-9
• 1.緒論9-18
• 1.1 研究背景9-10
• 1.2 研究目的及意義10-11
• 1.2.1 研究目的10
• 1.2.2 研究意義10-11
• 1.3 國內外研究現狀11-13
• 1.3.1 貨運量的國內外研究現狀及評述11-12
• 1.3.2 部分線性模型的研究現狀及評述12-13
• 1.3.3 國內外研究現狀綜合評述13
• 1.4 論文的主要內容、研究方法和技術路線13-18
• 1.4.1 主要內容13-14
• 1.4.2 研究方法14-16
• 1.4.3 技術路線16-18
• 2.貴州貨運現狀分析18-25
• 2.1 貴州概況18-21
• 2.1.1 貴州的自然條件18-19
• 2.1.2 貴州經濟社會發(fā)展現狀19-21
• 2.2 貴州貨運現狀21-24
• 2.2.1 貴州貨運業(yè)基礎設施發(fā)展情況21-23
• 2.2.2 貴州貨運運營情況23-24
• 2.2.3 貴州交通運輸存在的問題24
• 2.3 小結24-25
• 3.貴州貨運影響因素分析25-29
• 3.1 定性分析25-26
• 3.1.1 政策因素的影響25
• 3.1.2 經濟因素的影響25
• 3.1.3 人口因素的影響25-26
• 3.1.4 其他因素的影響26
• 3.2 定量分析26-28
• 3.2.1 公路貨運量影響因素分析26-27
• 3.2.2 鐵路貨運量影響因素分析27-28
• 3.3 貨運量影響因素的預測28
• 3.4 小結28-29
• 4.貴州貨運量預測研究29-46
• 4.1 預測的基本原則29-30
• 4.2 預測內容與方法30-32
• 4.2.1 預測內容30
• 4.2.2 預測方法30-31
• 4.2.3 預測步驟31-32
• 4.3 貨運量預測32-45
• 4.3.1 公路貨運量預測32-39
• 4.3.2 鐵路貨運量預測39-45
• 4.4 小結45-46
• 5.總結與展望46-47
• 5.1 論文工作總結46
• 5.2 需要進一步研究的問題46-47
• 參考文獻47-49
• 附錄49-51
• 致謝51-52
• 攻讀碩士學位期間科研成果52

【參考文獻】

中國期刊全文數據庫 前10條

1 鄭春偉;林麗華;田瑞;;呼和浩特市公路貨運量預測研究[J];物流技術;2015年07期

2 湯兆平;朱經旺;孫劍萍;;基于改進灰色-Markov模型的鐵路貨運量需求預測[J];鐵路采購與物流;2015年03期

3 王棟;米國際;;基于灰色關聯和BP神經網絡的鐵路貨運量預測方法[J];江南大學學報(自然科學版);2015年01期

4 李磊;劉葉;;我國社會物流需求量的非線性回歸預測[J];江南大學學報(自然科學版);2014年03期

5 朱文銅;;基于改進BP神經網絡的鐵路貨運量預測[J];石家莊鐵道大學學報(自然科學版);2014年02期

6 李超;唐伯明;劉唐志;;產業(yè)園區(qū)貨運交通量預測方法研究與應用[J];公路與汽運;2014年01期

7 劉鋒;銀利;張星;;部分線性模型在重慶地區(qū)生產總值分析與預測中的應用[J];重慶理工大學學報(自然科學);2013年10期

8 趙建有;周孫鋒;崔曉娟;王高青;;基于模糊線性回歸模型的公路貨運量預測方法[J];交通運輸工程學報;2012年03期

9 孫志華;劉金yN;賈超華;;部分線性模型在北京市稅收分析和預測中的應用[J];數學的實踐與認識;2011年04期

10 賈學鋒;;灰色預測模型在公路貨運量預測中的應用[J];物流科技;2010年09期

，

本文編號：714906