变权组合模型在货运量预测中应用,本文是一篇关于货运量论文范文，可作为相关选题参考,和写作参考文献。
货运量论文参考文献：
摘 要：文章采用变权组合模型对货运量进行预测.首先阐述了变权组合预测模型的基本原理,构建出以每个样本点处误差绝对值最小为原则的变权组合模型,并对求解过程进行一些改进；然后分别选择单项模型、定权组合预测模型以及变权组合预测模型预测上海市2002～2013年货运量,再对变权组合预测模型的预测精度进行检验；最后运用该模型预测上海市未来5年货运量.
关键词：货运量；单项方法预测；定权组合模型；变权组合模型
中图分类号：U294 文献标识码：A
Abstract： This article adopted the variable weight combination model to forecast the freight volume. Firstly, this paper elaborated the basic principle of variable weight combination forecast model, and putted forward the minimum error absolute value at each sample point as the principle of variable weight combination model, and some improvements for solving process. Secondly, this article selected single model respectively、fixed weight combination forecast model and variable weight combination model to predict the volumes of Shanghai from 2002 to 2013, then this paper verified the accuracy of the variable weight combination model. Finally it used the model to forecast the freight volume of Shanghai from 2014 to 2018.
Key words： freight volume； a single forecasting method； fixed weight combination model； variable weight combination model
随着我国社会经济的进一步发展,货物运输需求将继续保持快速、稳定的增长趋势.而货物运输量的预测研究对于交通主管部门进行区域交通的整体规划,加大交通设施体系的投资规模,缓解区域交通运输的拥挤状况,促进和保证该区域经济的持续、快速发展具有重要的现实意义[1].随着自然科学的发展和计算机应用技术的不断推广,产生了多种货运量预测模型,预测的准确性也随之提高,这些模型包括时间序列分析、时间聚类方法以及神经网络模型等,以上这些模型方法在预测方面取得了较好的应用效果.对于国内外一些有关货运量预测模型应用的研究,总结如下：
国外对货运预测方面的研究开展较早,所以国外关于货运量预测模型方面的研究比较多,其理论及实际经验要远比国内成熟.加拿大Dalhousie大学电子和计算机工程系的Bashir Z.和El-Hawary M. E.在2000年电子和计算机工程加拿大国际会议上提出的一种由五个固定单元组成的动态神经网络模型在交通流量预测方面表现了良好的预测性能[2].Gregory A. Godfrey和Warren B. Powel（2000）以指数平滑法为基础,提出了一系列预测方法,和ARIMA方法相比,这一系列的预测方法操作更为简单、易行,并且在预测方面有着更高的精确度[3].Brian L. Smith等人（2002）指出非线性回归预测模型在货运需求预测方面具有更大的应用前景,可以替代ARIMA模型[4].Paulo S. A. Freitas, Antonio J. L. Rodrigues（2006）详细地分析了各种神经网络预测方法,还探讨了许多和神经网络预测方法相结合形成的组合预测方法,在模型方法中阐述了高斯径向基函数神经网络,并拓展了常用的线性组合预测模型的框架[5].Shujie Shen等人（2009）采用计量经济学中6种最新的时间序列模型对英国公路和铁路的货运需求进行分析和预测[6].
国内学者在货运量预测方面的研究相对较晚,但国内关于货运量预测的研究成果也不少,如：郭玉华等人（2010）对经济周期阶段参数的内涵进行阐述,并将经济周期进行量化,作为一个输入因素,建立基于经济周期的Elman神经网络预测模型,以我国1992～2008年铁路货运量为实例,对预测模型进行检验[7].王治（2010）为了更好地预测铁路货运量,将支持向量机和遗传算法（GA-SVM）进行组合优化,提出一种新的预测方法,并利用昆明市实际数据进行实例分析[8].
1 变权组合预测方法
1.1 构建步骤
首先,建立样本点的组合预测优化模型,求各单项预测方法在各样本点的最优组合权系数；其次,根据这些权系数确定各预测方法中“预测时点”的组合权重.
1.2 符号说明
设对于某一预测问题,有n种预测方法（或预测模型）f■,f■,等,f■,并假设：
Y■为第t期的实际观测值t等于1,2,等,M；
f■为第i种预测方法在第t期的预测值；
K■为第i种预测方法在第t期的加权系数,且满足■K■等于1t等于1,2,3,等,M；
e■等于Y■-f■为第t期第i种预测方法的预测误差；
f■等于■K■·f■为变权组合预测方法在第t期的预测值；
结论：关于货运量方面的论文题目、论文提纲、货运周转量论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
基于趋势组合我国煤炭需求预测模型
摘要：煤炭资源是我国第一大能源资源，准确地预测煤炭需求动态趋势，对于保障能源供需平衡和规避能源供给风险，促进我国经济社会可持续发展具有重要意义。。
基于离散灰色模型能源生产量预测
摘 要：随着我国环境污染日益严峻，积极预测能源生产量对实现我国节能减排、发展绿色产业具有积极的作用，为清晰阐述能源生产量本文选取“碳排放”为例进。
基于资产组合模型中国外汇储备最优币种结构分析
摘要：目前我国已经成为世界上外汇储备持有量第一大国家，在国际金融市场风云突变的今天，持有的外汇越多，承担的汇率风险也就越大。稍有不慎，持有巨额的。
ARIMA模型在股票预测中的应用
摘 要：文章研究了ARIMA模型及其应用，以三一重工（600031）的120个股票价格数据为例，给出了时间序列模型预测的建模过程。通过真实值与。