隨著世界經(jīng)濟的高速發(fā)展,全球化經(jīng)濟的程度日益加深,國與國之間,經(jīng)濟體與經(jīng)濟體之間的影響也更加深遠,隨之而來的就是物流網(wǎng)絡(luò)的全球化。在這種形勢下,我國也在積極籌建更加全面和多方位的物流運輸網(wǎng)絡(luò)。在此運輸網(wǎng)絡(luò)中,鐵路運輸、水運、空運、公路運輸、管道運輸?shù)榷及l(fā)揮著各自的作用。其中,因為機動靈敏等優(yōu)勢,公路貨運是最主要的一種運輸方式。因此,國家需對其多方位建設(shè)。而在建設(shè)過程中公路貨運量是需要考慮和規(guī)劃的重要性因素,其精確的預(yù)測結(jié)果對指導(dǎo)公路運輸網(wǎng)絡(luò)的建設(shè)和運輸經(jīng)濟的發(fā)展有重要作用。基于上述背景和目的,本文主要對河南省公路貨運量進行預(yù)測研究。首先,本文對貨運量預(yù)測相關(guān)的國內(nèi)外現(xiàn)狀進行匯總分析,在此基礎(chǔ)上提出本文的預(yù)測目標;其次,結(jié)合河南省的發(fā)展概況和貨運現(xiàn)狀對貨運量影響指標進行分析,初步確定其指標體系,并對其做相關(guān)性分析,證明指標選取的合理性,同時運用PCA對指標數(shù)據(jù)進行降維;然后,分別運用三次指數(shù)平滑法、多元回歸預(yù)測、SVM和PCA-SVM模型對河南省公路貨運量進行預(yù)測和結(jié)果比較分析。最后,在對指標進行主成分降維的基礎(chǔ)上,運用人工魚群算法對SVM的主要參數(shù)懲罰因子C和徑向基核函數(shù)參數(shù)?進行尋優(yōu)后...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 貨運量影響因素研究現(xiàn)狀
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
第二章 河南省發(fā)展現(xiàn)狀分析及公路貨運量指標體系建立
    2.1 河南省概況
        2.1.1 自然條件
        2.1.2 河南省社會經(jīng)濟發(fā)展概況
    2.2 河南省貨運現(xiàn)狀
    2.3 河南省公路貨運量指標體系建立
        2.3.1 指標選取原則
        2.3.2 影響因素分析
        2.3.3 指標體系建立
        2.3.4 指標降維
    2.4 小結(jié)
第三章 常用預(yù)測方法簡述及實例分析
    3.1 預(yù)測方法簡述
        3.1.1 定性預(yù)測
        3.1.2 定量預(yù)測
    3.2 公路貨運量預(yù)測實例分析
        3.2.1 基于三次指數(shù)平滑法的公路貨運量預(yù)測
        3.2.2 基于多元回歸法的公路貨運量預(yù)測
    3.3 小結(jié)
第四章 基于PCA-SVM的河南省公路貨運量預(yù)測研究
    4.1 SVM理論分析與模型構(gòu)建
        4.1.1 支持向量機的研究現(xiàn)狀
        4.1.2 支持向量機理論
    4.2 基于SVM的河南省公路貨運量預(yù)測研究
    4.3 基于PCA-SVM的河南省公路貨運量預(yù)測研究
        4.3.1 PCA-SVM模型流程
        4.3.2 基于PCA-SVM的河南省公路貨運量預(yù)測研究
    4.4 小結(jié)
第五章 基于PCA-AFSA-SVM的河南省公路貨運量預(yù)測研究
    5.1 人工魚群算法
        5.1.1 基本理論
        5.1.2 算法流程
    5.2 基于PCA-AFSA-SVM的河南省公路貨運量預(yù)測
        5.2.1 PCA-AFSA-SVM模型流程
        5.2.2 基于PCA-AFSA-SVM的河南省公路貨運量預(yù)測
        5.2.3 河南省公路貨運量預(yù)測及結(jié)果分析
    5.3 小結(jié)
第六章 結(jié)論與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
附錄
致謝



本文編號：4056997