作者:
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:
铁路客运量是衡量我国交通需求的重要指标,科学预测铁路客运量是制定交通发展规划的重要依据.鉴于组合模型能克服单一模型的不足并兼具单一模型的优点,基于灰色模型和线性回归模型,根据灰色关联度赋予单一模型相应权重,建立铁路客运量组合预测模型,并选取2006-2015年铁路客运量数据,对我国铁路客运量进行预测.结果表明:组合模型克服了单一模型的预测局限性,能进一步提高预测精度,适用于铁路客运量预测研究.
推荐文章
灰色系统模型在水路客运量预测中的应用
灰色系统
残差修正
水路客运量
支持向量回归机在铁路客运量时间序列预测中的应用
铁路客运量
ε支持向量回归机
人工神经网络
时间序列预测
基于多元回归模型的航空运输客运量预测
民航客运量
需求预测
多元回归
灰色综合关联分析
影响因素
基于最小二乘支持向量机的铁路客运量预测研究
铁路客运量
最小二乘支持向量机
预测模型
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 基于灰色回归组合模型的铁路客运量预测研究
来源期刊 重庆理工大学学报(自然科学版) 学科 数学
关键词 灰色模型 线性回归模型 组合模型 铁路客运量
年,卷(期) 2017,(11) 所属期刊栏目 数学·统计学
研究方向 页码范围 230-234,240
页数 6页 分类号 O212
字数 3948字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2017.11.035
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 王彬 天津大学管理与经济学部 22 112 7.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (194)
共引文献  (476)
参考文献  (21)
节点文献
引证文献  (8)
同被引文献  (42)
二级引证文献  (7)
1982(3)
  • 参考文献(0)
  • 二级参考文献(3)
1988(3)
  • 参考文献(0)
  • 二级参考文献(3)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(10)
  • 参考文献(0)
  • 二级参考文献(10)
2004(9)
  • 参考文献(2)
  • 二级参考文献(7)
2005(13)
  • 参考文献(1)
  • 二级参考文献(12)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(19)
  • 参考文献(1)
  • 二级参考文献(18)
2008(12)
  • 参考文献(1)
  • 二级参考文献(11)
2009(12)
  • 参考文献(0)
  • 二级参考文献(12)
2010(21)
  • 参考文献(1)
  • 二级参考文献(20)
2011(21)
  • 参考文献(1)
  • 二级参考文献(20)
2012(21)
  • 参考文献(3)
  • 二级参考文献(18)
2013(12)
  • 参考文献(0)
  • 二级参考文献(12)
2014(9)
  • 参考文献(1)
  • 二级参考文献(8)
2015(11)
  • 参考文献(7)
  • 二级参考文献(4)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(10)
  • 引证文献(7)
  • 二级引证文献(3)
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
灰色模型
线性回归模型
组合模型
铁路客运量
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
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导