基于Box-Cox-TQR概率密度的铁路运用车保有量预测方法

论文摘要

合理的铁路运用车保有量,对满足铁路货运需求,提高货车运用效率,降低运营成本等有重要作用.考虑铁路运输系统复杂的内外部环境及其动态变化特性,对影响运用车保有量因素定性分析;提出了粗糙集属性约简、灰色关联分析、逐步回归方法相结合的主要影响因素识别方法.以此为基础,建立了基于Box-Cox变换分位数回归（Box-Cox-TQR）和核密度估计相结合的概率密度预测模型.以国家铁路局运用车保有量实际数据为基础,进行预测试验.结果表明,利用主要因素识别的方法符合目标值的运动变化规律,预测结果具有良好的精度.此外,概率密度预测比点预测、区间预测传递出更多信息,为管理决策提供更多准确有用信息.

论文目录

• 0 引言
• 1 主要影响因素识别
•   1.1 主要因素定性分析
•   1.2 主要因素组合筛选方法
• 2 概率密度预测方法
•   2.1 Box-Cox变换
•   2.2 分位数回归
•   2.3 基于核密度估计的概率密度预测
• 3 实例分析
•   3.1 主要影响因素识别
•   3.2 基于主要影响因素的中长期铁路货车保有量预测
• 4 结论

文章来源

类型: 期刊论文

作者: 李夏苗,王丽珊,郭旺

关键词: 铁路运输,运用车保有量,概率密度预测,主要因素识别,变换分位数回归

来源: 交通运输系统工程与信息 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 铁路运输

单位: 中南大学交通运输工程学院

基金: 国家自然科学基金(U1334207)~~

分类号: U292

DOI: 10.16097/j.cnki.1009-6744.2019.03.017

页码: 111-118

总页数: 8

文件大小: 1759K

下载量: 111