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:
在对铁路运输影响因素进行定性及定量分析的基础上,选取了国内生产总值、第二产业比重,原煤产量、原油产量等10个指标作为影响因素,运用BP神经网络模型构建它们与铁路货运量之间的复杂映射,从而对铁路货运量进行预测,并以近12年铁路货运量为实例进行验证.
推荐文章
基于RBF神经网络的货运量预测模型
货运量
RBF神经网络
预测模型
基于BP神经网络的铁路货运量预测
货运量
预测
神经网络
BP算法
基于灰色神经网络的铁路货运量组合预测
灰色神经网络
铁路货运量
组合预测
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 基于多因素的铁路货运量BP神经网络预测研究
来源期刊 铁道货运 学科 交通运输
关键词 铁路货运量 预测 BP神经网络
年,卷(期) 2009,(10) 所属期刊栏目 货物运输
研究方向 页码范围 33-36
页数 4页 分类号 U294.1+3
字数 3289字 语种 中文
DOI 10.3969/j.issn.1004-2024.2009.10.011
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 符卓 中南大学交通运输工程学院 81 1324 20.0 33.0
2 吴晓玲 中南大学交通运输工程学院 8 50 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (10)
参考文献  (2)
节点文献
引证文献  (11)
同被引文献  (22)
二级引证文献  (81)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(6)
  • 引证文献(1)
  • 二级引证文献(5)
2013(6)
  • 引证文献(1)
  • 二级引证文献(5)
2014(14)
  • 引证文献(3)
  • 二级引证文献(11)
2015(8)
  • 引证文献(0)
  • 二级引证文献(8)
2016(16)
  • 引证文献(2)
  • 二级引证文献(14)
2017(8)
  • 引证文献(0)
  • 二级引证文献(8)
2018(9)
  • 引证文献(1)
  • 二级引证文献(8)
2019(18)
  • 引证文献(0)
  • 二级引证文献(18)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
铁路货运量
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