基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在分析现有货运量预测方法所存在问题的基础上,建立了货运量预测的支持向量机模型,并以我国1981~2001年的货运量和相关经济指标的历史统计数据作为学习样本,分别选用3种不同的核函数,通过拟合训练和外推预测分析,验证了支持向量机用于货运量预测的有效性,并对模型中的有关参数进行了探讨分析.
推荐文章
基于支持向量回归机的公路货运量预测模型
公路货运量
支持向量回归机
人工神经网络
预测
组合预测模型在货运量预测中的应用
组合预测
GM(1,1)模型
ARIMA模型
货运量
基于指数平滑法预测企业货运量
指数平滑法
预测
货运量
基于FOA优化混合核LSSVM的铁路货运量预测
铁路货运量
预测方法
混合核LSSVM
果蝇优化算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量机在货运量预测中的应用研究
来源期刊 铁道学报 学科 交通运输
关键词 货运量 预测 支持向量机
年,卷(期) 2004,(4) 所属期刊栏目
研究方向 页码范围 10-14
页数 5页 分类号 U294.13
字数 3907字 语种 中文
DOI 10.3321/j.issn:1001-8360.2004.04.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘凯 北京交通大学交通运输学院 138 1534 21.0 33.0
2 赵闯 北京交通大学交通运输学院 7 329 6.0 7.0
3 李电生 北京交通大学交通运输学院 9 559 9.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (48)
参考文献  (3)
节点文献
引证文献  (46)
同被引文献  (83)
二级引证文献  (362)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2005(3)
  • 引证文献(3)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(9)
  • 引证文献(5)
  • 二级引证文献(4)
2009(18)
  • 引证文献(3)
  • 二级引证文献(15)
2010(16)
  • 引证文献(5)
  • 二级引证文献(11)
2011(29)
  • 引证文献(3)
  • 二级引证文献(26)
2012(36)
  • 引证文献(6)
  • 二级引证文献(30)
2013(33)
  • 引证文献(2)
  • 二级引证文献(31)
2014(44)
  • 引证文献(6)
  • 二级引证文献(38)
2015(47)
  • 引证文献(2)
  • 二级引证文献(45)
2016(52)
  • 引证文献(4)
  • 二级引证文献(48)
2017(32)
  • 引证文献(1)
  • 二级引证文献(31)
2018(35)
  • 引证文献(1)
  • 二级引证文献(34)
2019(38)
  • 引证文献(0)
  • 二级引证文献(38)
2020(12)
  • 引证文献(1)
  • 二级引证文献(11)
研究主题发展历程
节点文献
货运量
预测
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
铁道学报
月刊
1001-8360
11-2104/U
大16开
北京复兴路10号
2-308
1979
chi
出版文献量(篇)
4684
总下载数(次)
8
总被引数(次)
85544
论文1v1指导