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:
采用主成分分析法遴选出与铁路货运订车数关系密切且包括订车数在内的12个指标作为预警指标;将警报级别分为无警、低警、中警和高警4个;分别采用均匀取值法和非均匀取值法2种警报区间划分法确定4个警报级别的警报区间;取警报区间的中间值作为对应的警报值.由这12个预警指标某一时间段的并归一化处理后的指标值及对应2种警报区间划分方法得到的2组警报值构建出2个样本数据集.分别用这2个样本数据集与多项式核函数、高斯径向基核函数和Sigmoid函数组合成6种条件,分别进行支持向量回归机(SVR)的训练,根据训练的预警效果提出基于均匀取值法和高斯径向基核函数的SVR铁路货运订车数预警方法.以2016年3-6月的铁路货运订车数为例进行预警分析,验证了该方法的适用性和有效性.该方法已应用于中国铁路货运营销辅助决策系统预警模块的开发中.
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
基于支持向量回归机及混沌理论的气田监测预警技术
气田开发
预警
支持向量回归机
混沌理论
遗传算法
监测
基于支持向量回归机的电能质量评估
电能质量
评估模型
支持向量机
支持向量回归机
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 基于支持向量回归机的铁路货运订车数预警方法
来源期刊 中国铁道科学 学科 交通运输
关键词 货运组织 订车数预警 支持向量回归机 主成分分析法 核函数
年,卷(期) 2016,(6) 所属期刊栏目
研究方向 页码范围 121-127
页数 7页 分类号 U294.13
字数 5067字 语种 中文
DOI 10.3969/j.issn.1001-4632.2016.06.16
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 何世伟 北京交通大学交通运输学院 218 2493 26.0 37.0
2 黎浩东 北京交通大学交通运输学院 55 595 12.0 22.0
3 殷玮川 北京交通大学城市交通复杂系统理论与技术教育部重点实验室 12 55 4.0 7.0
7 何必胜 西南交通大学交通运输与物流学院 11 65 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (77)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(7)
  • 参考文献(2)
  • 二级参考文献(5)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(4)
  • 参考文献(4)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
货运组织
订车数预警
支持向量回归机
主成分分析法
核函数
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
中国铁道科学
双月刊
1001-4632
11-2480/U
大16开
北京海淀区大柳树路2号
82-776
1979
chi
出版文献量(篇)
3102
总下载数(次)
4
总被引数(次)
55685
论文1v1指导