京、津、冀货运量影响分析及预测

摘要

经济的快速发展与交通运输业的发展状况紧密联系，良好的交通基础设施能够促进经济的发展，而经济的快速发展能够支撑交通运输业的发展，两者互相促进，相辅相成。京津冀地区是我国东部沿海地区最重要的经济区域，近年来政府在积极推进京津冀一体化，势必要促进京津冀的交通一体化发展。而交通一体化建设情况是否与区域的经济发展需要相匹配息息相关，因此在实现京津冀交通一体化的过程中，需要全面掌握该地区的货运量、货运制度及影响货运量变化因素等相关信息。因此，预测和研究未来京津冀货运量及其货运量影响因素之间的动态关系就显得尤其重要。
　　通过阅读大量国内外文献，本文基于京津冀一体化建设情况及目前该地区货运量变化趋势深入研究了影响京津冀货运量因素及构建了准确度较高的预测模型，对京津冀货运量进行了预测。文中主要从以下两个方面展开工作:
　　(1)本文阅读了大量有关货运量预测的研究文献，综合分析了各种预测方法的适用范围和优缺点，选择出适合本文京津冀货运量研究的预测方法，分别为:自回归单整移动平均时间序列(ARIMA)模型、向量自回归(VAR)模型和支持向量机(SVM)模型，用这三种方法进行京津冀各省货运量的对比预测，再选出最佳的预测模型。结果显示:ARIMA模型预测准确度较差，平均相对误差为0.13，SVM预测准确度最好，平均相对误差为0.02，VAR模型预测货运量的相对误差在二者之间，并且能进一步研究货运量与影响因素之间的变动关系。故本文从理论和实际使用意义两方面考虑，建议结合使用VAR和SVM模型做京津冀货运量的预测及影响因素分析最为恰当。
　　(2)本文还利用VAR模型做货运量的影响因素的分析，从货运量与影响因素的长期协整关系、具体的因果互动关系、波动解释的重要程度这些方面做货运机理的具体研究。结果发现:京津冀三地区由于地理位置，经济发达程度和城市属性的不同，货运量影响因素对京津冀货运量的影响效果各不相同，是一个复杂的过程。
　　本文的创新点在于通过选择ARIMA模型、VAR模型和SVM模型预测未来京津冀货运量，通过对比预测准确度和实际操作意义选出最适合的预测模型。利用灰色关联模型选出关键的货运影响因素，从而构建VAR影响因素分析模型，得出货运量与这些影响因素的具体变动关系。这样可以有利于交通运输部门更好的调控和预测货运量，建立更科学、规范的货运体系，促进京津冀交通一体化。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 区域一体化研究现状

1．2．2 货运量预测方法研究现状

1．2．3 货运量影响因素研究现状

1．2．4 预测方法评述

1．3 论文主要研究内容

1．3．1 研究内容与研究框架

1．3．2 研究方法

1．3．3 技术路线

1．4 本文可能的创新点

第2章 基础理论

2．1 灰色关联分析介绍

2．1．1 灰色关联分析建模步骤

2．2 VAR模型介绍

2．2．1 基本概念

2．2．2 VAR建模步骤

2．3 ARIMA模型介绍

2．3．1 ARIMA模型分类

2．3．2 ARIMA建模步骤

2．4 SVM模型介绍

2．4．1 SVM模型的原理

2．4．2 SVM模型的算法流程

2．5 本章小结

第3章 京津冀货运量影响因素分析

3．1 京津冀货运量的影响因素

3．1．1 可量化因素

3．1．2 不可量化因素

3．2 灰色关联法实证结果分析

3．2．1 数据的来源与选取

3．2．2 计算灰色关联度

3．3 基于VAR模型的货运量影响因素分析

3．3．1 北京货运量影响因素分析

3．3．2 天津货运量影响因素分析

3．3．3 河北货运量影响因素分析

3．4 本草小结

第4章 京津冀货运量的预测

4．1 京津冀货运发展现状

4．2 京津冀货运量的ARIMA预测

4．2．1 北京货运量预测

4．2．2 天津货运量预测

4．2．3 河北货运量预测

4．3 京津冀货运量的VAR模型预测

4．3．1 北京货运量预测

4．3．2 天津货运量预测

4．3．3 河北货运量预测

4．4 京津冀货运量的SVM模型预测

4．4．1 北京货运量预测

4．4．2 天津货运量预测

4．4．3 河北货运量预测

4．5 三种算法预测结果对比

4．6 本章小结

第5章 研究成果和结论

参考文献

攻读硕士学位期间发表的论文及其他成果

致谢