基于ARIMA模型的中国铁路客运量研究被引量：2

下载PDF

导出

摘要针对目前有关铁路客运量预测方法的不足,采用时间序列方法,分析1997年1月至2016年12月的铁路月客运量数据特征,建立铁路客运量乘法季节ARIMA模型,预测2017年至2019年铁路月客运量,为铁路客运部门制定旅客列车开行方案、票额分配策略以及客运组织工作等提供理论支持。

作者曹韩许晓铃

机构地区德宏师范高等专科学校经济与管理系广东金融学院工商管理系

出处《广西民族师范学院学报》 2017年第2期85-89,共5页

关键词铁路客运量 ARIMA模型预测与分析

分类号 U29 [交通运输工程—交通运输规划与管理]

引文网络
相关文献

参考文献8

1刘殿胜.铁路客运量分析探讨[J].中国铁路,2008(9):7-9. 被引量：10
2王卓,王艳辉,贾利民,李平.改进的BP神经网络在铁路客运量时间序列预测中的应用[J].中国铁道科学,2005,26(2):127-131. 被引量：50
3申耀伟,谢孝如.基于灰色动态模型的铁路客运量预测与分析[J].中国铁路,2008(6):36-38. 被引量：15
4刘会芳..我国铁路客运量的组合问题研究[D].长沙理工大学,2013:
5聂淑媛..时间序列分析的早期发展[D].西北大学,2012:
6王韩冬,马驷,孙建康.高速铁路客运站能力计算与分析[J].铁道运输与经济,2015,37(11):55-59. 被引量：4
7诸葛恒英,周茵,吴文娟,刘冰.国外高速铁路市场竞争力分析及启示[J].铁道运输与经济,2015,37(11):83-88. 被引量：8
8龚露阳.我国旅客联程联运发展关键问题及思路[J].交通标准化,2014,42(15):100-102. 被引量：15

二级参考文献31

1吴家豪.日本东京铁路客运站高速车场布设与作业的剖析[J].铁道标准设计,2006,26(z1):47-52. 被引量：5
2犹共江.高速铁路站场设计经验及技巧探讨[J].铁道勘察,2010,36(4):93-95. 被引量：4
3张飞涟,史峰.铁路客货运量预测的随机灰色系统模型[J].中南大学学报（自然科学版）,2005,36(1):158-162. 被引量：40
4吴卫平,王东.我国各种运输方式协调发展研究[J].铁道经济研究,2005(2):29-33. 被引量：5
5单丽辉,王强.铁路货运量的灰色预测模型[J].铁道货运,2006,24(2):19-20. 被引量：8
6黄志仁.用灰色模型预测铁路旅客运输量发展趋势[J].铁道运输与经济,1997,19(5):23-25. 被引量：9
7闻新.Matlab神经网络应用设计[M].北京:科学出版社,2001.. 被引量：84
8The World Bank Transportation, Water and Urban Development Department, 世界银行铁路统计数据库 [EB/OL].http: //www. rail-info, com/gb/db/wbtjsj/default, asp, 2000-01. 被引量：1
9Hechi Nielsen R. Theory of the Back Propagation Neural Network [J]. Proceeding of IJCNN, 1989, 1 (1). 593-603. 被引量：1
10荣朝和.西方运输经济学[M].北京:经济科学出版社,2008 被引量：12

共引文献94

1李长淮.兰新第二双线门源站增加折返作业能力分析[J].高速铁路技术,2020(S01):52-56.
2李荣丽,黄曦,叶夏,陈志强,陈志彪.时间序列BP神经网络在福州市第三产业值预测中的应用[J].江西农业学报,2010,22(12):183-185. 被引量：3
3刘志杰.基于BP神经网络客运量的分析及预测[J].贵州工业大学学报（自然科学版）,2005,34(6):60-63. 被引量：1
4周瑞芳,禹建丽.改进的BP神经网络在专利申请量增长率预测中的应用[J].中原工学院学报,2005,16(6):9-11. 被引量：3
5彭珍瑞,孟建军,祝磊,蒋兆远.基于支持向量机的铁路客运量预测[J].辽宁工程技术大学学报（自然科学版）,2007,26(2):269-272. 被引量：18
6李季涛,杨俊锋.基于径向基神经网络的大连站客运量预测[J].大连交通大学学报,2007,28(1):32-34. 被引量：11
7郭文,乔谊正.基于遗传优化神经网络的铁路客运量预测研究[J].山东理工大学学报（自然科学版）,2008,22(3):25-28. 被引量：5
8罗海燕,盖宇仙.应用改进BP网络进行铁路客运量预测研究[J].甘肃科学学报,2008,20(2):103-106. 被引量：7
9周国亮,刘希玉,武鲁英.BP神经网络模型在空气质量级别评价中的应用[J].计算机工程与设计,2009,30(2):392-394. 被引量：22
10曹旭平.基于改进GR模型的江苏交通客货运量预测[J].公路与汽运,2009(2):40-43. 被引量：1

同被引文献6

1申耀伟,谢孝如.基于灰色动态模型的铁路客运量预测与分析[J].中国铁路,2008(6):36-38. 被引量：15
2陈荣鑫.R软件的数据挖掘应用[J].重庆工商大学学报（自然科学版）,2011,28(6):602-607. 被引量：15
3郝军章,崔玉杰,韩江雪.基于SARIMA模型在我国铁路客运量中的预测[J].数学的实践与认识,2015,45(18):95-104. 被引量：23
4仝哲,张炳江,李慧.关于春运铁路客运量预测模型的研究[J].北京信息科技大学学报（自然科学版）,2016,31(3):80-83. 被引量：6
5王彬.基于灰色回归组合模型的铁路客运量预测研究[J].重庆理工大学学报（自然科学）,2017,31(11):230-234. 被引量：15
6王晚香,刘文俭,李岩.基于灰色关联和多元回归预测的铁路客运需求分析及预测[J].大连交通大学学报,2019,40(1):22-25. 被引量：16

引证文献2

1葛灵,张杰.基于乘积季节模型的铁路客运量预测[J].重庆工商大学学报（自然科学版）,2018,35(3):18-25. 被引量：4
2韦师,苏玉华.基于组合预测模型的我国铁路客运量发展趋势分析[J].中国市场,2021(18):162-164. 被引量：3

二级引证文献7

1贾朝勇,潘玉荣,夏福全.基于ARIMA模型的广州市年用电量预测[J].蚌埠学院学报,2019,8(5):72-75. 被引量：4
2封一鸣,何海成,王海晨.基于深度学习方法的车辆上牌量预测[J].电子设计工程,2020,28(14):6-10.
3王雷,金勇,刘岩.铁路客运量预测模型对比分析[J].山东交通学院学报,2020,28(3):25-32. 被引量：4
4赵芳卉,陈琳,李冬青.基于SARIMA-GARCH模型的民航客运量研究[J].统计与管理,2021,36(2):17-24. 被引量：7
5杨璐,李印凤,刘伟,刘金伊,邢警长,傅子涛.后疫情时期机场起降量预测方法[J].华北理工大学学报（自然科学版）,2022,44(1):47-53. 被引量：3
6刘昶,吴君华,张凤娇,于多友.基于ARIMA-BP组合模型的城市公交客运量预测[J].智能计算机与应用,2022,12(7):80-83. 被引量：2
7卜钰家.基于组合神经网络模型的金融时序预测[J].现代计算机,2022,28(22):37-41. 被引量：2

1铁道部：1月全国铁路旅客发送量同比增长11．8％[J].轨道交通,2009(2):17-17.
2上半年全国铁路客运量实现同比大幅增长[J].铁道知识,2016,0(4):6-6.
3综合信息[J].铁道知识,2015,0(6):6-6.
4焦永兰,张超灿.有关旅客列车开行方案一些问题的探讨[J].兰州铁道学院学报,1992,11(3):75-80.
5王新梅.浅论水泥混凝土路面施工技术[J].黑龙江交通科技,2011,34(6):107-107. 被引量：5
611月份国家铁路客运量同比增长10．1％[J].铁路采购与物流,2015,0(12):22-22.
7William Vantuono.铁路安全：我们准备好了吗？[J].轨道交通,2006(3):71-71.
8欧洲货物运输发展前景[J].世界轨道交通,2006(3):14-14.
9王坤.市政桥梁建设中应用高性能混凝土[J].建材与装饰,2013(40):150-151.
10郝攀.公路工程边坡加固施工技术[J].交通世界,2016(30):30-31. 被引量：1

广西民族师范学院学报

2017年第2期

浏览历史

内容加载中请稍等...

基于ARIMA模型的中国铁路客运量研究被引量：2

参考文献8

二级参考文献31

共引文献94

同被引文献6

引证文献2

二级引证文献7

相关作者

相关机构

相关主题

浏览历史

基于ARIMA模型的中国铁路客运量研究 被引量：2

参考文献8

二级参考文献31

共引文献94

同被引文献6

引证文献2

二级引证文献7

相关作者

相关机构

相关主题

浏览历史

基于ARIMA模型的中国铁路客运量研究被引量：2