基于SVM和RBF神經網絡的鐵路貨運市場預警方法研究.pdf

1、近年來，國家宏觀經濟增速放緩，經濟結構調整、產業(yè)轉型升級、節(jié)能減排力度不斷加大，煤炭、礦石、鋼鐵等大宗物資的全社會運輸需求總量持續(xù)下滑，大宗貨源明顯減少。自2013年以來，鐵路貨運量下滑明顯，鐵路貨運市場形勢嚴峻已是不爭的事實。在此情形下本文通過對我國鐵路貨運市場現(xiàn)狀及影響因素的分析，在借鑒國內外研究成果的基礎上，提出了經濟新常態(tài)下的鐵路貨運市場預警方法，對貨運市場發(fā)展態(tài)勢進行綜合評價與預警。旨在為鐵路貨運市場預警提供一個新思路和科學方

2、法。
　　首先，論文定義了鐵路貨運市場預警涵義，并確定了明確警義、分析警情、探索警源、預報警度、排警調控的基本流程。繼而對鐵路貨運預警方法與預警模型的基本理論進行了分析，選取綜合模擬法作為鐵路貨運市場警情警度的判定方法;采用模型預警法構建鐵路貨運市場預警模型。
　　接著，論文就構建鐵路貨運市場預警指標體系進行了重點研究。在現(xiàn)有學者的研究基礎上，提出41個備選指標集，繼而通過灰色關聯(lián)度方法對指標的關聯(lián)度進行計算，篩選出其中31

3、個指標，并結合“壓力-狀態(tài)-響應”(PSR)模型將指標集分為“壓力”、“狀態(tài)”、“響應”三大子系統(tǒng)，分別對應需求、供給、對策改進三方面。通過熵值法確定各指標的權重，并提出預警指數(shù)的計算方法與警度劃分區(qū)間。
　　然后，針對鐵路貨運市場預警問題，分別提出基于支持向量機（SVM）分類預警方法與基于徑向基神經網絡(RBF)的滾動預警方法，并闡述了兩者在MATLAB中的實現(xiàn)。
　　最后對鐵路貨運市場預警方法進行實例研究，計算分析了近2