用电量铁路货运量的波动看结构调整的积极变化

科学的货运量预测对铁路发展战略的制定具有十分重要的意义。采用灰色模型预测方法gm（1,1）和马尔可夫链预测相结合,提出了灰色-马尔可夫链改进预测方法,利用偏差对灰色模型值进行状态划分,并采用马尔可夫状态转移矩阵对状态的转移变化进行分析,并针对我国铁路货运量的未来趋势进行了经济预测的分析,确定待测年份偏差最可能处于的状态。

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于bp神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明：bp神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。

铁路工程项目投资和效益的控制,铁路运输发展战略的制定以及铁路运输设施效益的提高都与铁路货运量密切相关,准确预测铁路货运量具有重要意义。根据无偏gm(1,1)模型直接建模法的思想对传统灰色verhulst进行改进,即对原始序列作倒数生成,运用新生成的序列建立模型,便可得到无偏灰色verhulst模型。改进后的模型消除了灰色verhulst模型自身固有的偏差,用此模型预测兰州至中川铁路货运量,结果表明,无偏灰色verhulst模型比传统灰色verhulst模型和gm(1,1)模型的预测精度更高。

科学的货运量预测对铁路发展战略的制定具有十分重要的意义.针对灰色模型的预测结果精确度受原始数据变化幅度的影响较大,且要求累加生成的数据列具有指数性质的缺点,采用带波动的多项式来替代gm(1,1)模型中的指数形曲线,并通过马尔可夫链对其预测结果进行修正,从而建立改进的灰色-马尔可夫链预测模型,同时利用该改进模型对我国铁路货运量进行预测,并与传统的gm(1,1)模型、改进的gm(1,1)模型和灰色-马尔可夫模型3种预测方法进行了比较,结果表明:提出的预测方法具有较高的精度,具有一定的可行性和有效性,预测结果可指导铁路建设与管理.

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。本文将灰色模型预测方法gm(1,1)和马尔可夫链预测相结合,提出灰色马尔可夫链改进预测方法,并且针对我国铁路货运量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色马尔可夫链改进方法的预测结果更加准确可靠,更有利于决策者的经济决策行为。

为提高灰色verhulst模型的预测精度,采用粒子群算法对灰色verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用fourier序列修正模型的误差,提出fpso灰色verhulst模型预测铁路货运量的方法。以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色verhulst模型、gm(1,1)、径向基神经网络、fpso灰色verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测。结果表明,fpso灰色verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法。

为提高灰色verhulst模型的预测精度,采用粒子群算法对灰色verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用fourier序列修正模型的误差,提出fpso灰色verhulst模型预测铁路货运量的方法.以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色verhulst模型、gm(1,1)、径向基神经网络、fpso灰色verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测.结果表明,fpso灰色verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法.

德信诚培训网 更多免费资料下载请进：http://www.***.***好好学习社区 用电量统计表 序号部门/宿舍上月用电量本月用电量 趋势 原因备注 升降 合计 制订：审核：批准：

首先分析了公路货运量预测的重要性,介绍了国内外主要预测方法。归纳总结了支持向量机的核心思想和基本原理,利用此较新的理论建立了公路货运量预测模型,给出了构建模型的具体分析步骤,同时探讨了参数的标定和修正过程。利用北京市基础数据,建立北京市公路货运量预测的支持向量机模型,并应用libsvm软件进行预测,预测结果验证了模型的有效性和可行性,表明方法可以推广并可实际应用。

本文概述了组合预测的基本思想,介绍了基于shapley值的组合预测模型,并以吉林省公路货运量为例给出计算实例,同时也用数理统计的方法证明了此模型的适用性。计算实例和统计分析都证明此模型的可行性和适用性,说明将此模型用于公路货运量预测是有效可行的。

民用建筑供电系统设计常见问题探讨（一） 用电量及变压器容量的估算 庞传贵李维时(中国建筑设计研究院) 摘要本文简要阐述了各类民用建筑的负荷估算及变压器容量的确定，并介绍了负荷计算的部分作法 关键词用电指标、变压器容量负荷率、负荷计算、三相平衡 1、民用建筑的负荷： 民用建筑的用电指标，尤其是负荷计算中需要系数的大小，一直是一个意见很不一致， 没有完全解决好的问题，主要是因为民用建筑的情况非常繁杂，不同的地区，不同的单位， 不同的设备，不同的使用情况，不同的工程规模，不同的建设投资标准等等，使每平方米 建筑面积的用电量有较大的差异，很难给出一个大家均可使用的标准。工程设

传统的预测建模方法通常只适用于求解结构简单的多项式函数,针对公路运输货运量受多种因素的影响,使得现有的一些预测方法预测精度不高的问题,应用基因表达式编程建立了公路运输货运量预测模型。该算法具有简便、易于操作,并且其搜索空间广阔,函数复杂度高等特点。通过对实验结果的分析,表明此模型具有较好的预测效果。

在分析公路货运量的影响因素和预测特点的基础上,将pso算法的全局搜索能力和rbf神经网络局部优化相结合,建立了基于改进pso算法和rbf神经网络的公路货运量预测模型(mpso-rbf)。利用某城市的历史数据对预测模型进行了训练、测试与仿真,同时将仿真结果与回归分析法、灰色理论法、bp神经网络和rbf神经网络预测的结果进行了比较,结果表明文中提出的预测方法精度较高,对于公路货运量预测具有一定的可行性和有效性。

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述。采用广义回归神经网络(grnn)对货运量进行分析及预测。通过对1995~2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004~2005年的实际数据进行模型检验,结果证明了grnn用于货运量预测的有效性。

对影响公路货运量的相关因素常用指标进行主成分分析,提取出影响货运量的隐性因素,并解释出隐性因素的经济含义,为货运量的预测及宏观调控提供科学依据。

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立bp神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对bp神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证bp神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.

采用定性分析方法确定物流货运量的影响因素,基于线性回归方法建立数学模型。采集延安市货运量相关数据,根据2001-2008年数据确定模糊回归系数a,对2009-2012年公路物流货运量进行计算,并采用实际数据与其他三种预测方法进行验证。结果表明:线性回归数学模型对物流货运量进行预测精确度高,误差较小。

生活中led显示屏的应用越来越广,但使用时功耗较高,需专人进行开关控制,本文通过加装时间控制开关和增加接触器实现智能控制,达到节约用电和安全用电的目的.

铁路隧道施工照明计划用电量计算办法的探讨

铁路隧道施工照明计划用电量计算办法的探讨

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

利用混沌理论对公路货运量的预测方法进行了分析,比较了现代常用的公路货运量预测方法的优缺点,研究了混沌理论对公路货运量的预测基本原理,构思短中长期货运量预测方法的可行性,并提出了研究方法和途径。