期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多重“分解—集成”策略的物流货运量预测
被引量:
6
1
作者
周程
李松
《交通运输系统工程与信息》
EI
CSCD
北大核心
2015年第1期150-158,共9页
货运量预测是制定物流政策和决定物流基础设施布局的重要依据.针对受多因素影响的货运量预测具备较强非线性和模糊性特征,提出一种基于趋势分解和小波变换的多重'分解—集成'预测方法.利用趋势分解将货运量分解为趋势项和非趋势...
货运量预测是制定物流政策和决定物流基础设施布局的重要依据.针对受多因素影响的货运量预测具备较强非线性和模糊性特征,提出一种基于趋势分解和小波变换的多重'分解—集成'预测方法.利用趋势分解将货运量分解为趋势项和非趋势项,通过小波分解将非趋势项进一步分解成低频项和高频项,分别建立预测模型,选用相加集成得到货运量预测值.实证表明,'分解—集成'的预测策略将非平稳货运量分解为相对平稳的子序列组合,降低了问题复杂度,有效提高了预测性能,与传统的趋势分解预测模型和小波分解预测模型相比,多重'分解—集成'预测模型精度更高.
展开更多
关键词
物流工程
小波变换
趋势分解
分解—集成
物流货运量
下载PDF
职称材料
基于分解—集成的铁路货运需求预测研究
被引量:
6
2
作者
徐菲
任爽
《运筹与管理》
CSSCI
CSCD
北大核心
2021年第8期133-138,共6页
铁路货运量受到多种因素影响,准确的预测可以为铁路行业未来规划的编制提供重要的参考依据,也可以使铁路部门制定符合当前货运市场的运输政策。货运量数据具有非线性、不平稳的特点,利用传统的单一预测模型进行预测,很难描述整体特征,...
铁路货运量受到多种因素影响,准确的预测可以为铁路行业未来规划的编制提供重要的参考依据,也可以使铁路部门制定符合当前货运市场的运输政策。货运量数据具有非线性、不平稳的特点,利用传统的单一预测模型进行预测,很难描述整体特征,预测精度有待提高。本文基于分解—集成的原则,利用变分模态分解算法将货运量分解为高频和低频模态,针对各模态特点,分别建立预测模型,将得到的预测结果加总起来作为最终货运量的预测值。实证表明,分解—集成预测方法与传统的单一预测模型相比,提高了预测的准确率,可以很好地应用在铁路货运量需求预测的研究中。
展开更多
关键词
铁路运输
货运量预测
分解—集成
变分模态分解
ARIMA模型
支持向量回归
下载PDF
职称材料
题名
基于多重“分解—集成”策略的物流货运量预测
被引量:
6
1
作者
周程
李松
机构
湖北经济学院物流与工程管理学院
武汉理工大学物流工程学院
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2015年第1期150-158,共9页
基金
国家社会科学基金项目(14BJY139)
国家自然科学基金项目(51175394)
+1 种基金
湖北省教育厅人文社科(2012Q099)
湖北物流发展研究中心资助项目(2014A03)
文摘
货运量预测是制定物流政策和决定物流基础设施布局的重要依据.针对受多因素影响的货运量预测具备较强非线性和模糊性特征,提出一种基于趋势分解和小波变换的多重'分解—集成'预测方法.利用趋势分解将货运量分解为趋势项和非趋势项,通过小波分解将非趋势项进一步分解成低频项和高频项,分别建立预测模型,选用相加集成得到货运量预测值.实证表明,'分解—集成'的预测策略将非平稳货运量分解为相对平稳的子序列组合,降低了问题复杂度,有效提高了预测性能,与传统的趋势分解预测模型和小波分解预测模型相比,多重'分解—集成'预测模型精度更高.
关键词
物流工程
小波变换
趋势分解
分解—集成
物流货运量
Keywords
logistics engineering
wavelet transform
trend decomposition
decompose
-
ensemble
logistics freight volume
分类号
F542 [经济管理—产业经济]
下载PDF
职称材料
题名
基于分解—集成的铁路货运需求预测研究
被引量:
6
2
作者
徐菲
任爽
机构
北京交通大学计算机与信息技术学院
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2021年第8期133-138,共6页
基金
国家重点研发计划资助(2018YFB1201401)。
文摘
铁路货运量受到多种因素影响,准确的预测可以为铁路行业未来规划的编制提供重要的参考依据,也可以使铁路部门制定符合当前货运市场的运输政策。货运量数据具有非线性、不平稳的特点,利用传统的单一预测模型进行预测,很难描述整体特征,预测精度有待提高。本文基于分解—集成的原则,利用变分模态分解算法将货运量分解为高频和低频模态,针对各模态特点,分别建立预测模型,将得到的预测结果加总起来作为最终货运量的预测值。实证表明,分解—集成预测方法与传统的单一预测模型相比,提高了预测的准确率,可以很好地应用在铁路货运量需求预测的研究中。
关键词
铁路运输
货运量预测
分解—集成
变分模态分解
ARIMA模型
支持向量回归
Keywords
railway transportation
railwayfreightvolumeforecasting
decompose
-
ensemble
variational mode decomposition
ARIMA model
support vector regression
分类号
U294 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多重“分解—集成”策略的物流货运量预测
周程
李松
《交通运输系统工程与信息》
EI
CSCD
北大核心
2015
6
下载PDF
职称材料
2
基于分解—集成的铁路货运需求预测研究
徐菲
任爽
《运筹与管理》
CSSCI
CSCD
北大核心
2021
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部