安徽公路发展适应性分析

从公路发展的特点出发，运用生长曲线原理测算出我国公路发展的轨迹，对安徽公路发展以及安徽农村公路发展的适应性进行了分析，提出相应的生长曲线模型，推算今后5年和今后15年安徽省公路总里程和安徽省农村公路总理程的发展期望值。     

基于有效度的公路货运量预测

以某市公路货运量的历史数据为例,分别采用灰色模型和径向基神经网络模型对公路货运量进行预测。在此基础上,运用有效度理论,构建并联型灰色神经网络模型,并对两模型的预测结果进行加权作为最终预测值,计算结果表明了该方法在公路货运量预测中的有效性。文中还应用马尔可夫链预测模型对组合模型的预测结果进行了分析,增加了预测结果的可信度。     

基于BP神经网络的浙江省交通运输量的预测

详细介绍用于预测公路货运量的BP神经神经网络模型的构建,并用所构建的模型对浙江省2009和2010年的公路货运量进行预测,同时对公路客运量及其周转量和水路客货运量及其周转量也进行预测,旨在为浙江省公路水路交通线路和车站码头的建设布局和投资规模提供科学客观的参考依据。     

回归模型在公路客运中的应用选择

对云南省2001~2005年公路旅客运输数据,用3种不同的二元回归方法给出回归模型,并用于预测2006年1-6月云南省公路旅客运输数据.利用与2006年1-6月云南省公路旅客真实运输数据相比较,确定较好的云南省公路旅客运输数据回归预测方法.     

河南省国民经济与公路交通发展趋势预测及相关性分析

本文根据河南省1990-2001年国民经济与公路交通发展情况,建立了河南省国内生产总值指数、公路通车里程、客货运输周转量的回归预测模型,并对它们之间的相关关系进行了分析,进而表述了国民经济与公路交通之间的内在联系。     

云南公路运输在抗战时期的战略地位

战争年代交通运输是决定胜负的重要条件之一.1931年云南的公路通车里程只有120公里,至抗日战争前夕,云南省内公路通车里程也只有1177.7公里.可是抗战胜利时,云南省公路通车里程达3608.4公里,比抗战前通车里程增加了3倍多,为抗战的胜利和云南的发展做出了卓越的贡献,也为云南日后公路交通的发展打下了坚实的基础.     

基于模糊物元的吉林省区域物流能力评价研究

为促进吉林省区域物流产业的发展,提升其物流能力,该文选取了吉林省2004~2011年运输行业统计数据,运用模糊物元法对吉林省物流业的货运量、客运量、公路里程、铁路里程、邮电业务量等指标进行分析评价,并提出相关建议以期为吉林省物流规划和发展提供借鉴。     

基于模糊物元的吉林省区域物流能力评价研究

为促进吉林省区域物流产业的发展,提升其物流能力,该文选取了吉林省2004~2011年运输行业统计数据,运用模糊物元法对吉林省物流业的货运量、客运量、公路里程、铁路里程、邮电业务量等指标进行分析评价,并提出相关建议以期为吉林省物流规划和发展提供借鉴。     

从出行看发展

如今出行,你会发现:四通八达的公路,雄伟壮观的高架桥,纵横交织的铁路网,便捷现代的民航运输,缩短着彼此交流的距离。公路——神州处处变坦途道路,是城市发展的血脉。截至2002年底,全国公路通车里程达175.8万公里,比1989年增长了74%。全国农村公路总里程发展到130万公里。高速公路的发展尤其引人注目。1989年高速公路通车里程仅为271公里。可到2003年底,我国高速公路里程已近3万公里,是1989年的110倍,居世界第二位。随着我国公路建设的加快,公路客运能力不断增强。2004年春运期间,全国春运公路客运量超13亿人次,比去年同期增长3.7%,创历史新…     

改进GM（1,1）预测模型在公路运输量中的应用

为了提高公路交通运输量的预测精度和公路运输行业的管理水平,研究了GM（1,1）模型特性、GM（1,1）在背景值和初始值选择两方面所存在的缺陷;提出一种新的背景值计算方法;最后,利用2000-2004年的公路客运量的实际数据进行了验证,结果表明：改进模型的预测精度要高于GM（1,1）模型的预测精度,前者比后者具有更高的预测精度和可靠性.     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

交通网络与城镇化关系模型的应用——以中原城市群为例

从城镇化水平与人均收入的模型,交通网络连接度与人均收入的对数关系模型出发,导出交通网络与城镇化水平的线性相关模型,揭示了城镇化过程与交通网络存在的因果关系.然后,以中原城市群城镇化水平与公路里程的时间序列和空间序列数据进行实证分析,证明区域城镇化进程与交通网络的优化扩展具有同步性.     

时间序列模型在山西省能源需求预测中的应用

通过对山西省1991-2013年能源消费时间序列进行分析,建立了ARIMA(1,1,1)模型,并对2014-2018年山西省能源消费进行预测,结果显示模型拟合度高,预测误差小。     

四川省入境旅游客流量预测研究——基于灰色预测模型

旅游地客源市场的科学准确预测能够为旅游地的开发提供有力依据.本文基于四川省2002-2012年入境旅游客源统计资料为原始数据,引用GM(1,1)灰色动态模型,并利用此模型对四川省2013年-2015年的入境游客进行了预测与分析,以此对四川省发展入境旅游提出建议.     

坚持科技创新 促进交通发展

改革开放二十五年来,贵州省公路建设成绩斐然。至2003年底,全省公路通车里程已达4.46万公里,高等级公路2871公里,为全省经济社会发展做出应有的贡献。     

交通网络与城镇化关系模型的应用——以中原城市群为例

从城镇化水平与人均收入的模型，交通网络连接度与人均收入的对数关系模型出发，导出交通网络与城镇化水平的线性相关模型，揭示了城镇化过程与交通网络存在的因果关系．然后，以中原城市群城镇化水平与公路里程的时间序列和空间序列数据进行实证分析，证明区域城镇化进程与交通网络的优化扩展具有同步性．     

灰色-周期外延组合模型在地质灾害频数预测中的应用

地质灾害发生频数的有效预测有着重要价值。用残差GM（1,1）模型对地质灾害频数总体趋势拟合,将残差用周期外延模型拟合,从而建立了地质灾害频数的灰色-周期外延组合模型。用2005年—2009年我国发生地质灾害频数进行了实例分析,并进行了一步预测。结果表明：拟合结果达到了较高的精度,模型预测是有效的,为地质灾害频数拟合与预测提供了一种方法。     

对国内旅游收入影响因素的实证分析

运用Eviews软件,从众多的国内旅游收入影响因素中选取国内旅游人数、城镇居民人均旅游支出、农村居民人均旅游支出、公路里程和铁路里程建立模型,利用逐步回归和主成分分析法对模型消除多重共线性,科学地确定了国内旅游收入预测模型,也为以后增加国内旅游收入制定政策措施提供了理论依据。     

时间序列分析在海南第一、二产业中的应用

本文通过建立时间序列模型,并利用Eviews软件对海南1987年-2007年的农业总产值和工业总产值时问序列数据进行分析,并对海南2008年-2010年的农业总产值和工业总产值进行预测.该模型的预测效果较好,能充分反映时间序列趋势规律.     

基于灰色BP网络的GDP总量组合预测模型应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测.以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.