城市交通客運量統(tǒng)計分析與建模預(yù)測研究-wenkub
2023-07-08 08:26:31 本頁面
【正文】 2920591669LCL1482528339116119552728濰坊模型_6Forecast379434483102275724112065UCL85661380020199276023589644998LCL977690313994220893107540869煙臺模型_7Forecast98827817575236871621444UCL173651840018713186531835517887LCL239927667210112801511218774日照模型_8Forecast228922892289228922892289UCL413649005487598264186812LCL442322909140418402234威海模型_9Forecast2290113912116323133464UCL94221122512340131001363314004LCL4841894612364154251826020933德州模型_10Forecast139692144629504979UCL269435764721609576739437LCL97173538306153868111395聊城模型_11Forecast110844122589215582225UCL343137273799375536373467LCL121628454250553967547916臨沂模型_12Forecast192210844096710901111311UCL95521112811803120101191911616LCL91681534520621254302994034239ForecastModel201120122013201420152016菏澤模型_13Forecast4529382327371751066496UCL553762546481645462655961LCL4634813011136138881647818953濱州模型_14Forecast852406404879331380UCL29112475203816021166730LCL120616632119257630333489棗莊模型_15Forecast340929682528208816471207UCL644460045565512546864246LCL3746850995013911833運用聚類分析方法對其他城市的情況經(jīng)行分析如下：被聚類的對象常常是多個要素構(gòu)成的。ANOVA平方和df均方FSig.回歸1.000殘差59.145總計60自變量為 年份。系數(shù)未標準化系數(shù)標準化系數(shù)tSig.B標準誤Beta年份.930.002.374.000（常數(shù)）+057+058.272.787因變量為 ln(1 / 客運總周轉(zhuǎn)量)?？瓦\總周轉(zhuǎn)量 線性模型匯總RR 方調(diào)整 R 方估計值的標準誤.807.652.645自變量為 年份。ANOVA平方和df均方FSig.回歸1.000殘差61總計62自變量為 年份。系數(shù)未標準化系數(shù)標準化系數(shù)tSig.B標準誤Beta年份.748.000（常數(shù)）.000Logisti模型匯總RR 方調(diào)整 R 方估計值的標準誤.979.959.959.279自變量為 年份?？?cè)丝谂c客運量的相關(guān)性偏自相關(guān)Series: 總?cè)丝贚agPartial AutocorrelationStd. Error1.952.1282.005.1283.1284.1285.1286.1287.1288.1289.12810.12811.12812.12813.12814.12815.12816.128，因此可以認為客運量與總?cè)丝诰哂懈叨认嚓P(guān)性。在計算偏相關(guān)系數(shù)時,需要掌握多個變量的數(shù)據(jù),一方面考慮多個變量之間可能產(chǎn)生的影響,另一方面又采用一定的方法控制其他變量,專門考察兩個特定變量的凈相關(guān)關(guān)系。此時要準確地反映兩個變量之間的內(nèi)在聯(lián)系,就不能簡單的計算相關(guān)系數(shù),而是需要考慮偏相關(guān)系數(shù)。受社會經(jīng)濟發(fā)展水平、人口總量、經(jīng)濟結(jié)構(gòu)、產(chǎn)業(yè)布局以及綜合交通運輸網(wǎng)絡(luò)拓展程度等諸多因素的影響，交通客運量表現(xiàn)隨機性的復(fù)雜波動特征。城市交通客運量統(tǒng)計分析與建模預(yù)測研究 一、摘要：本文針對山東省各城市近幾年交通運輸客運量的變化趨勢，在充分考慮和分析影響交通客運量的因素之后，就客運量和貨運周轉(zhuǎn)量與總?cè)丝?、生產(chǎn)總值、批發(fā)零售量之間的相關(guān)性運用回歸分析法進行分析，研究了交通客運量的統(tǒng)計特征，建立了多元非線性回歸方程，運用MATLAB軟件對方程進行求解得到合理的回歸系數(shù)，從而求得非線性回歸方程，并用F檢驗法對相關(guān)性進行檢驗，求得置信區(qū)間。如何科學(xué)組織運力、建立完善的交通體系，進一步提高交通運輸規(guī)劃與社會經(jīng)濟發(fā)展的適應(yīng)性，提高交通運輸設(shè)施的投資和運營效益，對于促進社會穩(wěn)定以及構(gòu)建和諧社會均具有重要意義。偏相關(guān)系數(shù)是在對其他變量的影響進行控制的條件下,衡量多個變量中某兩個變量之間的線性相關(guān)程度的指標。在多變量相關(guān)的場合,由于變量之間存在錯綜復(fù)雜的關(guān)系,因此偏相關(guān)系數(shù)與簡單相關(guān)系數(shù)在數(shù)值上可能相差很大,有時甚至符號都可能相反 偏相關(guān)系數(shù)的取值與簡單相關(guān)系數(shù)一樣,相關(guān)系數(shù)絕對值愈大(愈接近1) ,表明變量之間的線性相關(guān)程度愈高。(二） 經(jīng)過以上客運量、貨運周轉(zhuǎn)量與總?cè)丝?、生產(chǎn)總值、批發(fā)零售量之間的性關(guān)系分析可知他們之間有高度相關(guān)性，即可知總?cè)丝凇⑸a(chǎn)總值、批發(fā)零售量是主要的影響因子，對客運量、貨運周轉(zhuǎn)量與總?cè)丝?、生產(chǎn)總值、批發(fā)零售量之間的相關(guān)性建立回歸模型，建立多元非線性回歸方程經(jīng)行求解過程如下：
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1