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:
阐述了铁路货物运输需求预测的重要性,并以煤为例构建了基于BP网络的预测模型,通过对该模型的训练,得到了较好的预测效果,提出了可利用BP神经网络对其他货物品类进行预测的建议.
推荐文章
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
基于灰色模型的铁路货运量预测 ——以陕西省铁路货运为例
铁路货运
灰色模型
灰色预测
数据序列
后验差检验
预测精度
基于参数化三角范数的铁路货运量选择集成预测
铁路货运量
预测
选择性集成学习
Yager三角范数
遗传算法
基于指数平滑法预测企业货运量
指数平滑法
预测
货运量
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 基于BP网络的铁路货运量预测
来源期刊 铁道货运 学科 交通运输
关键词 铁路 货物 运量 预测 BP神经网络
年,卷(期) 2006,(2) 所属期刊栏目 货物运输
研究方向 页码范围 21-23
页数 3页 分类号 U294.1|O157.5
字数 2976字 语种 中文
DOI 10.3969/j.issn.1004-2024.2006.02.008
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 王喜富 北京交通大学交通运输学院 90 925 18.0 26.0
2 郭栋栋 北京交通大学交通运输学院 1 14 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (14)
同被引文献  (6)
二级引证文献  (47)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(6)
  • 引证文献(1)
  • 二级引证文献(5)
2010(8)
  • 引证文献(1)
  • 二级引证文献(7)
2011(10)
  • 引证文献(3)
  • 二级引证文献(7)
2012(6)
  • 引证文献(1)
  • 二级引证文献(5)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(7)
  • 引证文献(1)
  • 二级引证文献(6)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
铁路
货物
运量
预测
BP神经网络
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
铁道货运
月刊
1004-2024
11-2933/U
大16开
北京市海淀区大柳树路2号
82-354
1983
chi
出版文献量(篇)
3478
总下载数(次)
12
总被引数(次)
10287
论文1v1指导