基于多元线性回归分析的铁路旅客周转量预测研究

分析影响铁路旅客周转量的相关因素,以统计年鉴1994年至2012年数据为基础,运用多元线性回归预测法,结合二次平滑指数预测法,建立铁路旅客周转量与相关数据的预测模型,对2012年至2015年的铁路旅客周转量进行预测。结果表明,模型可以准确预测未来铁路旅客周转量,能够为决策者提供有价值的参考。

考虑疫情影响的铁路旅客周转量SVM-XGBoost组合模型预测方法

突发性公共卫生问题如新冠疫情给我国铁路运输行业带来了巨大的挑战,传统的时间序列预测法对铁路旅客周转量的预测效果已无法满足需求。本文充分考虑疫情因素,选取现有新冠肺炎确诊病例数等指标作为影响因素,运用SVM-XGBoost组合模型对铁路旅客周转量进行预测,并将预测结果与时间序列法中的SARIMA模型、指数平滑模型进行对比,结果表明其在新冠肺炎疫情影响下具有更好的预测效果。

基于时间序列方法的全国铁路旅客周转量的分析与预测

应用两种时间序列分析的方法对全国铁路旅客周转量的月度数据进行分析.运用X-11方法和季节ARIMA模型进行分析并分别对未来5个月的周转量做了预测,结果表明季节ARIMA模型优于X-11方法.通过对全国铁路旅客周转量的定量分析,为铁路部门在计算运输成本,劳动生产率,旅客平均行程等方面提供有效的依据.

铁路旅客运输量影响因素的灰色关联分析

本文对铁路旅客发送量和周转量在全国份额的变化情况及按距离别分布情况进行了初步分析,参阅相关研究结论,选取部分对铁路旅客发送量和周转量有影响的因素,并对这些因素进行灰色关联分析,对重点影响因素进行相应剖析,计算出相关因素的影响程度,以便准确认识铁路旅客发送量和周转量的变化诱因及发展趋势,待相关影响因素发生变化时,铁路客运部门及早采取应对措施,为铁路旅客的科学组织和运输提供有益启示。

基于时间序列的我国铁路客流量预测

一、引言 客流预测技术是交通运输领域的研究热点之一.一般而言,客流预测可分为相关模型预测法和时间模型预测法.相关模型预测法是找出影响客流量的因素,建立客流量和各种影响因素之间的函数关系,得出模型进行预测.在相关模型预测法中,由于影响客流量的因素很多,包括经济发展水平、人口、旅游业和基础设施状况等,而这些因素之间又有错综复杂的关系,从而在自变量的选取上造成很大的困扰.此外,相关因素本身的未来值不确定,需要进行预测,这同样会带来误差.……

基于格兰杰因果关系检验的铁路与城市化关系研究

为研究铁路发展与我国城市化之间的相互影响关系,基于铁路旅客周转量、铁路营业里程及城市化水平?3?个时间序列变量,在分析各变量之间的相关性和平稳性的基础上,进行格兰杰因果关系检验,并对各变量进行?OLS?回归。研究结果表明,铁路发展对我国城市化具有正向的促进作用。从铁路企业发展来看,政府应给予一定财政补贴以实现企业良性发展;从推动国家城市化来看,政府及铁路企业应合理利用现有资源,协调铁路投资建设,以助力中国城市化发展。

俄罗斯铁路1996年度运量完成情况

1996年,俄罗斯铁路客运量为14.18亿人次,比上年减少运送了4.15亿人次,下降了22.7％,旅客周转量为1687亿人·km,为年计划的103％,但比上年度减少了230亿人·km,下降幅度为12.2％。考虑到近郊线路上免费运送旅客,1996年铁路旅客周转量可达1812亿人·km。 去年,铁路货运量为9.077亿t,虽然完成的货物发运申请计划为年计划的101.3％,但仍比1995年少运了1.17亿t。

适应市场经济发展的需要 进一步深化和拓展“人民铁路为人民”的内容和范围

适应市场经济发展的需要进一步深化和拓展﹃人民铁路为人民﹄的内容和范围蒋树立“人民铁路为人民”是在社会主义道德原则指导下，针对铁路职业活动的特点概括出来的，可以说，它体现了铁路职业道德建设的性质和方向，是铁路职业道德建设的基本原则和根本宗旨。以“人民铁...

发展我国铁路旅客运输的主要对策

建国三十五年来我国铁路旅客运输有了很大的发展。在营业里程只比1949年增长1.4倍,旅客列车保有辆数只增长4倍的情况下,1984年铁路旅客运量达11.2亿人次,比1949年的1.03亿人次增长9.8倍;铁路旅客周转量1943亿人公里,比1949年的130亿人公里增长了14倍,铁路旅客周转量已占我国交通运输旅客周转量的83.9％。铁路客运量的增长速度远远超过了设备的增长速度。旅客运输需要与设备可能之间的矛盾十分尖锐。全国旅客列车平均超员30—50％,京广、京沪、京哈、京渝、陇海,哈大,京沈。

“动脉”失血何时休

全国都在搞市场经济,而铁路仍然是传统的计划经济,为什么150辆客车在全国空跑,造成亏损380亿,债务何时还清?