铁路货运量的内部影响因素及其敏感度分析

被引：13

作者：

颜保凡 ^{[1
]}

郭垂江 ^{[1
]}

李夏苗 ^{[2
]}

机构：

[1] 湖南铁路科技职业技术学院运输管理学院

[2] 中南大学交通运输工程学院

来源：

铁道科学与工程学报 | 2018年 / 15卷 / 05期

关键词：

铁路货运量; 内部影响因素; BP神经网络; 敏感度分析;

D O I：

10.19713/j.cnki.43-1423/u.2018.05.033

中图分类号：

U294.13 [];

学科分类号：

1201 ;

摘要：

针对铁路货运量的主要13项内部影响因素,以2004～2014年间11年的铁路运输指标统计数据为训练样本,采用BP神经网络建立这些因素与货运量的映射关系,再根据该映射以权积法求解货运量对各因素的敏感度系数,从而定量计算出各项因素对铁路货运量的影响程度。研究结果表明:国铁正式营业里程、货车保有量、货运密度和货车机车平均牵引总重这4项因素对货运量的影响要显著大于其他因素,若需在货源充足的情况下提高货运量,则以上4项因素是需要着重优先考虑的因素。

引用

页码：1341 / 1346

页数：6

共 12 条

[1] Broiler weight estimation based on machine vision and artificial neural network [J].

Amraei, S. ;

Abdanan Mehdizadeh, S. ;

Salari, S. .

BRITISH POULTRY SCIENCE, 2017, 58 (02) :200-205

[2]

A BP Artificial Neural Network Model for Earthquake Magnitude Prediction in Himalayas; India.[J].S. Narayanakumar;K. Raja.Circuits and Systems.2016, 11

[3]

Analyzing supply chain operation models with the PC-algorithm and the neural network.[J].T.C. Wong;Kris M.Y. Law;Hon K. Yau;S.C. Ngan.Expert Systems With Applications.2010, 6

[4] Artificial neural network approach for predicting transient water levels in a multilayered groundwater system under variable state, pumping, and climate conditions [J].