导读:本文包含了运输量预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:运输量,模型,民航,旅客,数据,铜仁,货物。
运输量预测论文文献综述
刘博,赵璐,单曲轶[1]（2019）在《基于时间序列数据挖掘的我国民航运输量预测分析》一文中研究指出为了精准预测我国民航运输量,基于1985-2017年我国民航运输量随机时间序列数据,运用自回归单整移动平均模型(ARIMA),借助Eviews8.0统计软件,建立预测模型。利用静态预测功能,实现了2015-2019年的点预测,整体拟合度良好,相对误差小,相对误差位于0.1%-0.9%之间,证明该模型是可行的。结果表明,ARIMA模型能够短期准确预测民航运输量,为航空公司、机场、空管等部门可持续发展提供决策依据。(本文来源于《中国民航飞行学院学报》期刊2019年05期）
徐婧,石磊,赵新惠,高爱颖[2]（2019）在《残缺数据影响下的运输量预测方法研究》一文中研究指出本文通过分析交通运输行业统计残缺数据的产生原因,针对传统残缺数据处理方法及其存在的问题进行改进。选择神经网络组合模型开展预测方法研究,并利用实例对该方法进行验证。(本文来源于《中国物流与采购》期刊2019年16期）
常丹丹[3]（2018）在《基于深度学习的公路货物运输量预测方法研究》一文中研究指出公路运输是现代运输的主要方式之一,在整个运输体系中占有重要的地位并发挥着越来越重要的作用。公路货物运输量是体现公路运输发展成果,反映公路运输发展情况的核心指标。开展公路运输货物量的预测研究工作对于实现公路运输行业的进一步发展具有重要的意义,预测的结果不仅可以作为公路运输路网规划的参考,还可以为运输部门的相关决策提供一定的数据支持。当前关于公路货物运输量的预测主要通过时间序列分析预测方法实现,在准确性方面存在着一定的不足。因此,本文将深度学习的方法应用到公路货物运输量的预测研究过程中,尝试获取更好的预测效果。本文首先结合公路货物运输量的特点进行货运需求产生的根源的分析,指出进行货物运输量预测理论和方法发展完善的必要性,并概述货物运输量预测的相关方法,包括传统的常用的预测方法以及本文所涉及的新的方法,即深度学习的方法。选取2005年至2017年的北京市公路货物运输量月度数据作为原始数据,分别采用传统的时间序列法,基于深度学习的LSTM模型以及ARMA-LSTM组合模型实现公路货物运输量的预测过程并得出预测结果。其中基于深度学习的LSTM模型的预测分为两个部分实现,首先考虑到货物运输量可能受到季节性因素的影响,将货运量数据按月度分类,利用各月度货物运输量的数据信息分别实现每个月份的货运量数据预测。其次是将季节性因素的影响忽略不计,利用所有的货物运输量历史数据实现对于2017年月度货物运输量的预测。组合模型则是通过将两种模型同时应用到一次完整的预测过程中实现货物运输量的预测。本文借助Matlab平台实现深度学习中LSTM模型的预测过程,通过选取预测效果评价指标均方根误差(RMSE)和平均绝对误差百分比(MAPE)来评价模型的有效性。以北京市公路货物运输量预测为例对模型的预测加以验证,研究结果表明,ARMA-LSTM组合模型在公路货物运输量的预测中,可以充分地反映货物运输量数据的变化规律,具备良好的可靠性和有效性。可以尝试将该方法推广至其他省份的公路货物运输量预测中,为有效的分析公路货物运输量发展趋势提供支撑。(本文来源于《长安大学》期刊2018-04-23）
忻添[4]（2017）在《我国原油进口运输通道运输量预测及演化趋势研究》一文中研究指出原油是重要的不可再生能源,不论是人们的日常生活还是国防军事都离不开原油。我国最早的原油进口可以追溯到新中国成立初期,当时我国原油年进口量仅为14.3万吨/年;随着我国原油勘探、开采技术的进步,我国对原油的需求逐步开始可以自给自足,甚至在1995年我国完成原油出口 1884.5万吨;但是随着我国经济的迅速发展,我国逐渐意识到石油最为战略资源的重要性,我国原油进口量也逐渐增长,根据中国海关统计我国在2016年原油进口量达到了 3.81亿吨。面对我国长期对原油进口保持较高依赖度的情况,研究我国的原油进口通道非常有必要。总体来说,我国原油进口通道是跟随着我国原油进口量同步发生着变化的,从起初低效的火车、汽车运输,我国的进口通道逐步发展成从沿海城市通过船运进口,再进而发展成利用超大型油轮完成原油进口,最后演化成今日船运、管道等多种通道齐放的局面。首先,本文先从此课题研究的背景入手,重点阐述了此文研究的意义,同时列举了国内外相关此课题的研究综述;接着,本文对原油及其相关概念进行了阐述,且将应用于本文的预测理论进行了粗略的介绍;再接着,本文描述了中国原油进口及其通道的历史,进而说明了我国原油进口现状、海上原油进口通道现状、管道原油进口通道现状;再而,本文应用了时间序列分析法、多元线性回归分析法、BP神经网络预测对我国原油进口运输通道的运输量进行了预测;最后,本文就预测结果描绘了运输通道演化的趋势,并且给出了相关发展建议。(本文来源于《大连海事大学》期刊2017-09-01）
吴秋阳[5]（2017）在《铁路运输量预测及灰色模型的应用》一文中研究指出铁路运输量预测对于地区物流规划有着重要的作用。文章选取铜仁市2010-2015年的铁路运输量,分别利用曲线估计和灰色模型对铜仁市未来五年的铁路运输量进行预测。结果表明,灰色模型预测精度较高,铜仁市未来五年铁路运输量会突飞猛进,到2020年铁路运输量将达到431.48万吨。(本文来源于《西部交通科技》期刊2017年05期）
张磊[6]（2016）在《基于收费站大数据的高速公路运输量预测研究》一文中研究指出运输量是体现交通运输发展成果,集中反映交通运输发展贡献、发展结构和发展质量的核心指标。目前,我国公路运输量统计预测多以交通运输部发布《公路水路运输量统计试行方案》为指导,通过抽样调查进行测算,其结果受到干扰因素较多,且容易造成部分特征样本丢失,统计预测结果并不十分准确。中国经济发展正处于关键的转型期,公路运输的常规性统计数据难以及时地、有效地反映公路交通运输业绩。真实、可靠的运输量统计方法是相关政策法规制定、运输行业监管、行业运行状况监测,以及运输市场引导的基础。本文提出了基于高速公路联网收费数据的高速公路运输量的预测研究。文章运用大数据挖掘分析技术,对全国高速公路网的运输数据(2014年数据量达到65亿条)进行计算处理分析,从全国历年高速公路运输数据统计入手,结合实际情况与传统四阶段法理论,运用改进后的四阶段法对区域高速公路运输量进行预测分析。以福建省高速公路货运量预测为例加以验证,研究结果表明,四阶段法在区域高速公路运输量预测中,可操作性强、可靠性高、且稳定性好。在后续推广到其他省份区域高速公路运输量预测中,为有效分析我国高速公路运输量发展趋势提供支撑。(本文来源于《长安大学》期刊2016-04-27）
尧姚,陶静,李毅[7]（2015）在《基于ARIMA-BP组合模型的民航旅客运输量预测》一文中研究指出民航旅客运输量直接影响飞机的采购、机场规模的建设、国家经济的发展等。惟有对中国民航旅客运输量做出较为准确的预测,机场、航空公司及相关企业才能更好地把握行业发展趋势,制定正确的竞争投资战略。运用什么样的方法来分析、准确预测民航旅客运输量是最关心的问题。文中首先详细阐述了ARIMA-BP组合模型的方法及步骤,然后基于民航2005年1月至2013年12月旅客运输量数据作为训练集,建立ARIMA模型和ARIMA-BP组合模型,选取民航2014年1月至2014年12月旅客运输量数据作为检验集,评价模型预测效果。通过仿真实验结果表明,ARIMA-BP模型比ARIMA模型有更好的预测效果。故此模型具有较高的可靠性和实用性,对预测民航旅客运输量有一定导向作用。(本文来源于《计算机技术与发展》期刊2015年12期）
田郝青[8]（2015）在《基于季节性预测模型的铁路旅客运输量预测》一文中研究指出文章针对铁路旅客运输量变化受季节性因素影响这一特点,提出了基于季节性预测模型的铁路旅客运输量预测方法,并结合实例证明了该方法在一定范围内误差较小,计算方法简单,便于现场从业人员实际应用,可以为铁路运输组织工作提供较为科学、准确的依据。(本文来源于《西部交通科技》期刊2015年08期）
孔建国,李骁[9]（2014）在《基于MATLAB的小波分析在民航旅客运输量预测中的应用研究》一文中研究指出基于小波分析理论对民航旅客运输量进行预测,应用MATLAB软件和小波多辨析分析原理,对民航旅客运输量历史数据进行消噪处理,使消噪后的数据更能反映交通流的本质及变化规律,利用小波信号重构原理重构原始数据的信号,对重构信号进行延拓处理,对于延拓之后的信号进行数据采样工作,得出预测结果和皮尔曲线外推模型进行对比。结果表明,小波分析理论可以有效提高预测精度,可以应用于民航旅客运输量预测。(本文来源于《中国科技信息》期刊2014年17期）
张志俊,赵洁琼[10]（2014）在《基于干预分析模型的货物运输量预测》一文中研究指出应用计量经济学、统计预测和运输统计等学科的理论和方法,构建了"后非典"时期经济政策作用下的货物运输量干预分析模型,并对其进行了实证研究。结果表明,在"后非典"时期经济政策作用下,我国经济发展势头良好,货物运输量显着增长,应用干预分析模型对其干预效应预测的精度明显优于其他预测方法,干预分析模型预测具有较高的精度和较大的灵活性,值得推广应用。(本文来源于《物流技术》期刊2014年11期）
运输量预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文通过分析交通运输行业统计残缺数据的产生原因,针对传统残缺数据处理方法及其存在的问题进行改进。选择神经网络组合模型开展预测方法研究,并利用实例对该方法进行验证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
运输量预测论文参考文献
[1].刘博,赵璐,单曲轶.基于时间序列数据挖掘的我国民航运输量预测分析[J].中国民航飞行学院学报.2019
[2].徐婧,石磊,赵新惠,高爱颖.残缺数据影响下的运输量预测方法研究[J].中国物流与采购.2019
[3].常丹丹.基于深度学习的公路货物运输量预测方法研究[D].长安大学.2018
[4].忻添.我国原油进口运输通道运输量预测及演化趋势研究[D].大连海事大学.2017
[5].吴秋阳.铁路运输量预测及灰色模型的应用[J].西部交通科技.2017
[6].张磊.基于收费站大数据的高速公路运输量预测研究[D].长安大学.2016
[7].尧姚,陶静,李毅.基于ARIMA-BP组合模型的民航旅客运输量预测[J].计算机技术与发展.2015
[8].田郝青.基于季节性预测模型的铁路旅客运输量预测[J].西部交通科技.2015
[9].孔建国,李骁.基于MATLAB的小波分析在民航旅客运输量预测中的应用研究[J].中国科技信息.2014
[10].张志俊,赵洁琼.基于干预分析模型的货物运输量预测[J].物流技术.2014
论文知识图
