铁路货运量

摘要： 铁路货运量受限于社会建设、投资和政策调控等多方面的影响。为了给货运系统提供更好的调配支撑,基于铁路货运量影响因素,加强BP预测性能,提出灰色遗传BP神经网络的铁路货运量预测模型(GR_GA_BP),对铁路货运量进行灰色关联分析,找出与铁路货运量关联程度较高的指标作为GR_GA_BP预测模型的输入对货运量进行预测。通过MAPE、RMSE和MAE对比GR_GA_BP模型与其他模型,实验结果表明,GR_GA_BP模型优于其他模型,可以作为新方法预测和研究铁路货运能力。

摘要： 近日,在连云港市全面复工复产、强化“外防输入”的特殊时期,港口生产再传捷报:3月份累计完成铁路货运量566.2万吨,港口铁路货运量、班装车纪录、日运量纪录、月运量纪录等11项生产纪录再次刷新,为港口生产有序运转,物流供应稳定通畅再次注入了“强心剂”。

摘要： 针对铁路货运量预测准确性及效率较差,导致铁路运输效益较差的问题,提出基于离散灰色模型的铁路货运量预测仿真。将残差、关联度与均方差检验作为预测模型精准度评价指标;结合小波变换阈值降噪基本原理,利用软阈值降噪法对铁路运输数据做预处理,提高预测精准度;最后将导数、背景值与参数三部分相结合建立微分方程,明确灰色关联的行为时间与行为指标等有效因素,通过累加方式生成时间序列,构建铁路货运量预测离散灰色模型,并对其优化处理,实现对铁路货运量的预测。仿真结果表明,所提预测方法能够有效提高预测精准度,铁路运输效率较好。

摘要： 铁路货运量预测的准确性对铁路运输企业制定营销计划和营销决策来说是必要的,尤其是短期铁路货运量的影响至关重要。为了提高铁路货运量的预测精度,提出一种优化长短期记忆网络(Long-Short Term Memory,LSTM)参数的预测模型——GS-LSTM模型,通过利用网格搜索算法(Grid Search)对LSTM模型训练网络中最主要的参数(批量大小、隐含层神经单元个数和学习率)进行优化。基于2005年1月—2021年7月的铁路货运量月度数据,首先建立BP和LSTM模型对预测结果进行比较,LSTM模型比BP模型的MAPE降低1.55个百分点,然后分别对BP和LSTM模型的网络参数进行优化后再进行比较,优化后的2种模型比基础模型的预测效果均有提高,而且优化后的LSTM模型比BP模型的MAPE又进一步降低0.18个百分点。实验结果显示,优化后的LSTM模型预测效果更佳,泛化能力更好,具有很好的研究和使用价值。

摘要： 为了提高铁路货运量的预测精度,针对长短期记忆神经网络性能受隐含层神经元数量、分块尺寸、最大训练周期数以及学习率的影响,提出一种基于改进的蜻蜓算法优化LSTM(Improved DA-LSTM)的铁路货运量预测模型。首先,为提高蜻蜓算法的收敛速度和避免局部最优问题,提出一种佳点集初始化种群的改进蜻蜓算法。其次,为提高LSTM模型的性能,运用改进的蜻蜓算法优化选择LSTM模型参数并进行铁路货运量预测。选择我国2001—2019年铁路货运量数据为研究对象,与DA-LSTM、GA-LSTM、PSO-LSTM、LSTM和BPNN相比,Improved DA-LSTM铁路货运量预测模型预测精度分别提高了0.6642%、0.6776%、1.2038%、1.3853%和2.0466%。

摘要： 为获得准确的铁路货运量预测,提升铁路货运组织效率,提高铁路物流规划的前瞻性。首先,分析铁路货运量影响因素研究现状,探讨新形势下铁路货运量影响因素的变化;其次,将应用于铁路货运量预测领域的方法分为基于统计学的传统预测方法和基于机器学习的智能预测方法两类并进行应用分析,着重对比梳理智能预测方法的改进方式、改进原理、改进效果和适用场景,从单一模型在数据预处理、参数选取、结构优化方面改进,不确定因素、动态性因素影响下组合预测模型构建和改进,海量、高维度、异构数据下铁路货运量预测的实现3个方面探讨铁路货运量预测领域需进一步研究的方向;最后,基于研究现状和发展特征,指明了铁路货运量预测领域的潜在研究热点和难点,以期为铁路货运组织和运营提供参考。

摘要： 广西钢铁生产基地规划建设有铁路专线连接国铁南防线,随着各生产线的投产,原燃料和成品的铁路货运量不断增大,物流运输环节的持续优化成为降本增效的重要措施。并且,广西钢铁大量原燃料采用集装箱铁路运输,存在获取集装箱内物料的净重、统计集装箱数据较为困难等问题。

摘要： 对于地广人稀的西部地区来说,如何借助铁路运输的便利性,提升多式联运的运转效率,加速地区发展与外界的沟通,已经成了不少地方的发展共识。青海加大公铁联运效能近日,青海省发布了《青海省推进多式联运发展优化调整运输结构工作实施方案》,其中明确要求到2025年,青海省内重点区域运输结构显著优化,铁路承担的大宗远距离货物运输量持续提升,多式联运的比较优势得到有效发挥,公铁航联运货物运量实现稳步增长,全省铁路货运量较2020年增长10%左右,在各类运输方式中占比进一步提高。

摘要： 铁路货运一向被视为表征宏观经济运行状态的风向标,研究铁路货运量与宏观经济相关指标之间的景气关联关系,既有助于宏观调控政策的有效实施,又能促进铁路货运形势的精准研判.以经济周期波动理论为基础,首先基于X-11季节调整法对铁路货运和宏观经济相关指标的时间序列进行要素分解,提取其中的趋势-循环要素序列,其次分别运用时差相关法和K-L信息量法测度两者的先行、一致、滞后关系,进而获得铁路货运量与工业增加值,以及重点行业(煤电行业)与铁路货运量的景气关联关系.结果表明,铁路货运量增长率相比工业增加值增长率的先行期为1 a左右.

摘要： 铁路货运量作为我国铁路交通运输基础设施建设规模的首要考虑,亦是国家宏观经济发展对铁路运输相关需求的直接反映,对国家和区域经济发展规划十分重要.分析区域经济发展影响铁路货运量的相关因素,归纳现有铁路货运量预测的原理和方法,建立基于灰色预测法和最优加权法的货运量预测模型,以郑州北站的真实运营数据验证预测结果,并对该站以后连续8年的货运量进行预测,为研究区域经济对铁路运输业发展提供一定参考.

摘要： 在传统的灰色预测模型中,传统背景值公式和初始值的选取方法会造成模型产生偏差。通过对背景值公式的改进和初始值选取方法的变化,构造出预测精度更高的灰色模型,即优化GM(1,1),并将优化GM(1,1)与马尔可夫链预测相结合,对我国的铁路货运量进行了预测分析,得出了相应的预测区间及其发生概率。通过理论分析和算例表明：该方法的预测结果比传统灰色模型预测结果更加可靠。

摘要： 本发明公开了一种基于深度学习网络的高速公路货运量预测方法及系统，其中方法包括：获取模型的输入数据；构建高速公路网络图，计算Dijkstra矩阵，计算入口货车流量与出口货车流量的皮尔逊系数矩阵，将Dijkstra矩阵与皮尔逊系数矩阵组合形成复合邻接矩阵；将输入数据及复合邻接矩阵输入到模型的图卷积层，将拉普拉斯矩阵与空间注意力权重矩阵融合后，采用图卷积神经网络聚合空间信息；将输入的数据与时间注意力权重矩阵融合后，采用长短时记忆网络学习时间特征；连接层的输出进行逆归一化后生成最终预测结果。本发明充分考虑图卷积神经网络聚合空间信息的能力和长短时记忆网络对时间序列的学习能力，可获得较高的预测结果，可广泛应用于智能交通领域。

摘要： 本发明还公开了一种基于时空关联的港口短期货运量在线预测方法，包含如下步骤：首先获取目标港口和其他港口的过去预设时间段内的货运量数据，并对数据进行均值处理；接着目标港口和其他港口的货运量数据进行灰度关联分析，计算各港口关联度，选取相关度高于关联度阈值的其他港口划分数据并构建货运量时空预测模型；然后将划分好的训练数据输入模型中进行模型训练，训练后的模型用于预测目标港口的短期货运量。所述方法考虑相关港口的时空相关性，可以提高短期货运量预测的准确性，同时采用的GBDT在预测模型中具有最高的预测精度。

摘要： 本发明基于多属性增强图卷积‑Informer模型的长时序货运量预测方法，属于长时序货运量预测方法技术领域；所要解决的技术问题为：提供基于多属性增强图卷积‑Informer模型的长时序货运量预测方法的改进；解决上述技术问题采用的技术方案为：建立交通流量时序信息数据集；建立货运车辆载货重量时序信息数据集；建立客观动态、静态外部影响因素数据集；构建时序属性增强特征矩阵；构建站点网络结构拓扑图，将计算得到的邻接矩阵的对称归一化拉普拉斯矩阵与时序属性增强特征矩阵同时作为图卷积神经网络模型的输入；将图神经网络模型输出的已编码长时序属性增强特征作为Informer框架的输入，进行训练并学习，最终实现对未来长时序货运量的预测；本发明应用于货运流量预测。

摘要： 本发明公开了一种用于提高货运量的船用运输设备，属于船用设备技术领域。包括传动支承结构、基础承载结构、延伸承载结构、浮体承载结构。该装置能够通过浮体承载结构借助自身受到的浮力作用，同时基于传动支承结构形成杠杆结构；通过杠杆结构中的动力臂一端设置预定重量，同时通过阻力臂一端用于承载装运货箱，由此实现利用浮体承载结构来平衡杠杆结构及其承载装运货箱的重力；此外在后一个杠杆结构的阻力臂一端承载有装运货箱时，通过前一个杠杆结构及其承载装运货箱的重力能够经传动支承结构限制后一个杠杆结构动力臂上移，从而在该浮体承载结构达到最大浮力前，其对应的杠杆结构能够承载更大的装运货箱重力，有效提升了船体结构货运总量。

摘要： 本发明公开了一种用于提高货运量的船用运输方法，属于船用设备技术领域。包括步骤S1‑S5中通过杠杆结构中的动力臂一端设置预定重量，同时通过阻力臂一端用于承载装运货箱，由此实现利用浮体承载结构来平衡杠杆结构及其承载装运货箱的重力；此外在后一个杠杆结构的阻力臂一端承载有装运货箱时，通过前一个杠杆结构及其承载装运货箱的重力能够经传动支承结构限制后一个杠杆结构动力臂上移，从而在该浮体承载结构达到最大浮力前，其对应的杠杆结构能够承载更大的装运货箱重力，有效提升了船体结构货运总量。

摘要： 本发明公开了一种基于CNN‑LSTM的铁路区域货运量短期预测方法，包括如下步骤：步骤一、建立影响因素数据仓库；步骤二、确定关键影响因素；步骤三、对关键影响因素数据与货运量数据进行预处理，并将预处理后的数据进行训练集和测试集的划分；步骤四、构建基于CNN‑LSTM的铁路区域货运量近短期预测模型，设置模型初始参数值，使用训练集对模型进行超参数优化，得到最优模型；步骤五、将测试集导入训练好的最优模型，输出预测结果并评估模型质量。与现有技术相比，本发明的积极效果是：本发明的多变量CNN‑LSTM组合预测模型充分考虑了区域货运量与影响因素的相关性，从而能有效提高铁路区域货运量近短期预测精度。

摘要： 本发明属于港口货运量数据识别技术领域，公开了基于立体卫星影像的港口货运量预测方法、系统及应用。以光学立体卫星影像和地理参考数据为数据源，以包括集装箱堆场和散货堆场的港口货运堆场为对象，在卫星影像上进行区域网平差处理；基于区域网平差处理后的卫星影像，生成数字表面模型和数字正射影像；利用生成的数字表面模型和数字正射影像，进行典型港口区域集装箱堆场和港口散货堆场的三维建模，以建立的三维模型为基础进行港口集装箱堆场三维模型体积计算、港口散货堆场三维模型体积计算，获取货运量信息。经过与真实体积进行比较，本发明高景1号和高分七号港口集装箱堆场的三维体积计算精度均优于75%。

摘要： 本发明公开了一种用于提高货运量的船用运输方法，属于船用设备技术领域。包括步骤S1‑S5中通过杠杆结构中的动力臂一端设置预定重量，同时通过阻力臂一端用于承载装运货箱，由此实现利用浮体承载结构来平衡杠杆结构及其承载装运货箱的重力；此外在后一个杠杆结构的阻力臂一端承载有装运货箱时，通过前一个杠杆结构及其承载装运货箱的重力能够经传动支承结构限制后一个杠杆结构动力臂上移，从而在该浮体承载结构达到最大浮力前，其对应的杠杆结构能够承载更大的装运货箱重力，有效提升了船体结构货运总量。

摘要： 本发明公开了一种用于提高货运量的船用运输设备，属于船用设备技术领域。包括传动支承结构、基础承载结构、延伸承载结构、浮体承载结构。该装置能够通过浮体承载结构借助自身受到的浮力作用，同时基于传动支承结构形成杠杆结构；通过杠杆结构中的动力臂一端设置预定重量，同时通过阻力臂一端用于承载装运货箱，由此实现利用浮体承载结构来平衡杠杆结构及其承载装运货箱的重力；此外在后一个杠杆结构的阻力臂一端承载有装运货箱时，通过前一个杠杆结构及其承载装运货箱的重力能够经传动支承结构限制后一个杠杆结构动力臂上移，从而在该浮体承载结构达到最大浮力前，其对应的杠杆结构能够承载更大的装运货箱重力，有效提升了船体结构货运总量。

摘要： 本发明提供的一种货运信息可视化的货运量预测系统，包括表现层、业务逻辑层和数据库访问层，以及数据库。其中，业务逻辑层采用灰色关联分析计算各个影响因素与铁路货运需求的关联度，探究铁路货运需求存在密切关联的指标，从而初步把握铁路货运量演变的主要原因；还通过弹性分析计量经济学的模型计算一定时期内铁路货运需求对于各个影响因素的弹性，据此确认该时期影响铁路货运需求发展的关键因素。本发明提供的系统通过将系统划分为三层，可以大大提高系统的稳定性、运行效率、可维护性和可扩展性。各层之间相互独立，有利于后期功能的增删和修改，便于扩展和维护。