基于BP神经网络的铁路客流量预测研究被引量：6

下载PDF

导出

摘要铁路客流量的影响因素既来自于顾客的需求,也来自于铁路系统的供给。根据这些影响因素选取样本,利用BP神经网络的非线性映射特性进行网络训练及预测,结果客观可靠,从而为铁路系统的管理工作提供了有力的支持。

作者杨伟静

机构地区河北金融学院

出处《合作经济与科技》 2010年第13期18-19,共2页 Co-Operative Economy & Science

关键词铁路客流量 BP神经网络预测

分类号 F53 [经济管理—产业经济]

引文网络
相关文献

参考文献2

1刘强,贾利民.基于复杂系统的铁路客流影响因素分析研究[J].铁道运输与经济,2008,30(11):14-19. 被引量：6
2常国珍,张前登.基于时间序列的我国铁路客流量预测[J].统计与咨询,2008(4):20-21. 被引量：5

二级参考文献1

1王莲芬.层次分析法中排序权数的计算方法[J].系统工程理论与实践,1987,7(2):31-37. 被引量：78

共引文献9

1杨晓,崔艳萍.基于改进重力模型的高速铁路短期客流预测研究[J].铁道运输与经济,2012,34(9):29-33. 被引量：9
2陈煜,张孟涛.长春至白城铁路扩能客运量设计方法研究[J].铁道工程学报,2013,30(12):15-18.
3张圣,朱建生,王洪业.铁路大站票额预分预测模型研究[J].铁道运输与经济,2017,39(6):27-31. 被引量：4
4张晚笛,陈峰,王子甲,汪波,王挺.基于多时间粒度的地铁出行规律相似性度量[J].铁道学报,2018,40(4):9-17. 被引量：17
5王晓,揣锦华,张立恒.基于Prophet算法的铁路客流量预测研究[J].计算机技术与发展,2020,30(6):130-134. 被引量：6
6闻克宇,赵国堂,何必胜,马剑.基于改进迁移学习的高速铁路短期客流时间序列预测方法[J].系统工程,2020,38(3):73-83. 被引量：13
7王静,杨超,廖唱,胡进宝.市郊铁路客流规模影响因素分析及提升客流对策研究[J].现代城市轨道交通,2020(11):99-104. 被引量：7
8黄裕萌,朱云华,胡尧,周欣璐.基于小波分析的时间序列预测[J].智能城市,2021,7(18):128-130. 被引量：2
9陈彦莉,沙玉五,朱小林,张小红.基于时间序列分析的上海地铁16号线客流预测—以临港大道站为例[J].运筹与模糊学,2016,6(1):15-26. 被引量：4

同被引文献30

1孙晚华,刘钢.铁路城际客流预测模型的研究[J].北京交通大学学报,2005,29(3):84-87. 被引量：14
2高峰,刘明君,陈团生,常超凡.石太客运专线客流预测研究[J].铁道运输与经济,2007,29(5):30-32. 被引量：10
3陈翠利,黄志彤.铁路客运专线客流量预测分析[J].交通科技与经济,2008,10(1):75-76. 被引量：7
4Eleni I V, Matthew G K, John C G. Optimized and Meta-cjptimized Neural Networks for Short-term Traffic FlowPrediction: A Genetic Approach[J] . Transportation ResearchPartC, 2005(13): 211-234.
5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
6肖双喜,刘小和.棉花种植面积影响因素分析——基于新疆、河南、江苏和山东四省的调查[J].农业技术经济,2008(4):79-84. 被引量：22
7朱辉.GM(1,1)模型在新疆生产建设兵团棉花总产量预测中的应用[J].安徽农业科学,2008,36(20):8399-8400. 被引量：4
8聂磊,高艺,佘亮.首都机场快线客运需求预测与运营方式研究[J].交通运输系统工程与信息,2009,9(4):151-158. 被引量：7
9潘华贤,程国建,蔡磊.极限学习机与支持向量机在储层渗透率预测中的对比研究[J].计算机工程与科学,2010,32(2):131-134. 被引量：37
10任民.高速铁路对京沪两地间客运市场影响分析[J].铁道经济研究,2010(1):37-39. 被引量：3

引证文献6

1刘尚俊,刘君.新疆棉花产量人工神经网络预测研究[J].合作经济与科技,2012(21):12-13. 被引量：2
2王炜炜.高速铁路影响下铁路客流量预测研究[J].铁道运输与经济,2016,38(4):42-46. 被引量：8
3刘彩霞,方建军,刘艳霞.超限学习机在铁路客运量预测中的应用研究[J].铁道科学与工程学报,2017,14(9):2013-2019. 被引量：3
4王茁.新开轨道交通城市的客流预测与方法分析[J].上海工程技术大学学报,2018,32(4):346-351. 被引量：2
5张和杰,马维华.基于时空特征的地铁客流预测[J].计算机科学,2019,46(7):292-299. 被引量：17
6詹玉广.大型客运站人流量在线预测模型研究[J].国外电子测量技术,2020,39(11):94-97. 被引量：2

二级引证文献34

1吴东隆.基于Markov-GNNM的煤炭需求量预测模型研究[J].煤炭经济研究,2020(6):27-31. 被引量：2
2许阳,赵彬,夏阳,郝新宇,李从林.基于场强修正模型的输电线路弧垂监测技术[J].电子测量技术,2018,41(21):75-80. 被引量：8
3李丽辉,朱建生,徐彦,王洪业,吕晓艳.京沪高速铁路客流空间分布预测方法研究[J].铁道运输与经济,2017,39(6):32-36. 被引量：11
4谷剑锋,陈鹏,胡志勇.基于贝叶斯网络的高速铁路旅客出行方式预测研究[J].铁道运输与经济,2018,40(4):58-63. 被引量：3
5王艳.基于卡尔曼滤波算法的新疆棉花产量预测[J].国际纺织导报,2018,46(6):57-60. 被引量：2
6王洪平,宋良美.基于小波ARMA模型预测中国的棉花产量[J].国际纺织导报,2018,46(11):48-52. 被引量：2
7王煜,王洪业,吕晓艳,刘彦麟.高速铁路车站间客流变化一致性研究[J].铁道运输与经济,2019,41(3):43-47. 被引量：2
8王红爱.基于XGBoost算法的铁路旅客退票率预测研究[J].铁道学报,2019,41(12):19-25. 被引量：8
9冯斌,毛建中,胡晖.基于BP神经网络的条带刚凸特征回弹预测[J].锻压技术,2020,45(3):20-26. 被引量：12
10王晓,揣锦华,张立恒.基于Prophet算法的铁路客流量预测研究[J].计算机技术与发展,2020,30(6):130-134. 被引量：6

1杨励雅.铁路客流量波动变化规律分析与对策[J].技术经济,2001,20(6):13-14.
2马昌华.论铁路客运的不均衡运输[J].铁道运输与经济,2004,26(10):42-42.
3四兵锋,高自友.城市间旅客列车的票价与流量的灵敏度分析[J].北方交通大学学报,2001,25(2):49-53. 被引量：11
4朱清香,曹秋芳,季海鹏,刘晶,马瑞.基于消费需求调研的县城商业网点影响因素探讨——以河北省宽城县为例[J].现代商业,2015(14):35-36.
5梅志兴,马保成.“无项目”情况下铁路运量预测方法研究[J].铁路工程造价管理,2011,26(6):19-21.
6郭庆春,何振芳,李力.神经网络在国内旅游人数预测中的应用[J].甘肃科学学报,2012,24(1):81-83.
7吴丽丽.基于BP神经网络的时序残差GM(1，1)模型[J].科技经济市场,2007(5).
8许增福,吴贵生,王宏伟.基于量子粒子群优化的油气资源经济可持续发展评价[J].技术经济,2008,27(2):44-48.

合作经济与科技

2010年第13期

浏览历史

内容加载中请稍等...

基于BP神经网络的铁路客流量预测研究被引量：6

参考文献2

二级参考文献1

共引文献9

同被引文献30

引证文献6

二级引证文献34

相关作者

相关机构

相关主题

浏览历史

基于BP神经网络的铁路客流量预测研究 被引量：6

参考文献2

二级参考文献1

共引文献9

同被引文献30

引证文献6

二级引证文献34

相关作者

相关机构

相关主题

浏览历史

基于BP神经网络的铁路客流量预测研究被引量：6