

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于BP神經網絡的財務預警方法探討.pdf
- 基于RBF神經網絡的貨運量預測模型研究.pdf
- 基于BP和RBF神經網絡的數(shù)據(jù)預測方法研究.pdf
- 基于BP神經網絡和SVM的信號分類方法的研究.pdf
- 基于神經網絡鐵路貨運量的預測
- 宏觀經濟預警方法研究——Kohonen-Bp神經網絡模型.pdf
- 基于改進神經網絡的鐵路貨運量預測研究.pdf
- 基于AAPSO算法和RBF神經網絡預測控制方法的研究.pdf
- 基于BP神經網絡和RBF神經網絡的電網短期負荷預測.pdf
- 基于RBF神經網絡的電梯故障診斷方法研究.pdf
- 基于改進PSO的RBF神經網絡入侵檢測方法研究.pdf
- 基于人工神經網絡的鐵路貨運量組合預測研究.pdf
- 基于RBF神經網絡的期權定價研究.pdf
- 基于SVM和K-均值聚類的RBF神經網絡短時交通流預測.pdf
- 基于BP和RBF神經網絡的木材缺陷檢測研究.pdf
- 基于RBF神經網絡的橋梁損傷識別方法研究.pdf
- 基于RBF神經網絡的集成增量學習方法研究.pdf
- 基于神經網絡與SVM的圖像壓縮(編碼)理論和方法.pdf
- 基于RBF神經網絡的語音識別研究.pdf
- 基于RBF神經網絡的數(shù)據(jù)挖掘研究.pdf
評論
0/150
提交評論