交通经济运行预测指数（精选9篇）
篇1：交通经济运行预测指数
摘要：在市场经济中，工业经济要保持稳步的发展，必须要对各种因素进行分析并对整个经济形势加以预测，确定经济正确的发展方向并制定相应的措施和及时调整发展战略。
而采用行业景气指数和表示行业经营状况的统计指标，无疑能获得可靠且准确可信的预测结果，可以达到工业经济预测目的，从而确保工业经济得到良好健康的发展。
关键词：景气指数 统计指标 工业经济发展
一、工业经济预测是工业经济发展的实际需要
近几年来，我国工业企业始终保持良好快速的发展，是拉动全国经济增长的主要力量。
但由于主要产品市场竞争激烈，成本费用指数持续上升以及其他不利因素的影响，工业经济运行出现了新的情况、新问题。
因此加强工业经济发展的预测预警，对正确判断工业走势，为相关部门企业采取有效的调控措施提供依据，具有十分现实和重要的意义，是工业经济发展的实际需要。
工业经济预测是对工业经济的发展趋势和各种工业经济指标之间的关系进行研究，从而精确地把握过去与现状，且对未来趋势做出明确判断和预测，为对工业经济实施调控提供数据及理论依据。
根据预测结果，可以及时制定调整发展战略，使工业经济持续稳步健康发展。
篇2：交通经济运行预测指数
(一)统计指标的含义及工业统计指标
我们在工业经济工作中，最重要的就是要及时、准确、全面地掌握工业经济运行情况，这就需要引用统计指标的概念。
统计指标从一方面可以理解是用来反映同类现象总体数量状况的基本概念，从另一方面可以理解为反映现象总体数量状况的概念和数值。
统计指标能够说明客观存在并已经发生的总体现象数量特征，是由指标名称和数值两部分组合而成的统一体。
工业统计指标是研究和反映工业企业在物资人力、生产、库存、销售、利润等全面的运作情况的数据表现， 具体指标有工业总产值、工业增加值、工业经济效益指数等等。
(二)工业统计指标对工业经济预测的意义
在市场经济条件下， 工业统计指标的重点体现是围绕反映市场经济和企业运行情况，突出了销售收入、产品价格、成本及利润等指标，综合反映工业企业的生产经营状况。
用指数来反映工业经济发展情况，工业统计指标的核心是紧紧围绕市场的，企业的产品在市场上的占有率，市场信息应是工业统计的.主要内容。
工业统计指标与国民经济相关产业有着密切的联系，在工业行业内部纵向和横向准确地描述经济运行状况，工业统计指标就能够充分的对这些状况加以说明，从分析这些指标数据关系变化中可达到预测工业经济增长速度的目的。
三、景气指数对工业经济的预测意义
(一)景气指数的含义
景气指数又称为景气度，是我国借鉴西方先进国家的成功经验在工业等领域着手实施的一项调查。
它是针对被调查中的企业家关于景气变动状况做出判断及描述用以反映企业运营状况及宏观经济运行状态、未来发展方向及变化趋势。
(二)景气指数的特点及对工业经济预测的意义
在相关部门调查景气指数的过程当中，被调查的企业规模及经营状况各有不同，全面体现了整体行业企业的经营状况;直接提供调查数据的往往都是企业生产和经营主要管理者，他们能够完全充分的了解本企业的真实运营情况，且由于景气指数调查不影响企业现时效益及当前报表，这样就避免了夸大经营等与实际情况差异较大的失实数据出现
参与调查的企业管理者对其企业所处的行业环境及未来趋势都有一定的看法和前瞻性，他们所填报的数据能充分表现企业管理者对企业乃至整个行业未来发展趋势的态度，这都将对未来经济发展产生重大影响。
从企业景气指数调查方式中，我们可以看出，企业景气指数是一种量化描述，是企业家对企业运营状况、整个经济发展环境、企业发展前景的看法，具有信息可靠、前瞻性强、预测性强的特点。
工业经济的发展有一定的周期性，或从繁荣到萧条，或从收缩到扩张交替变化，这是由一系列经济因素及政策环境相互作用的结果。
工业经济的周期性提供了统计指标方法进行预测的理论根据。
经济波动的推动使经济变量之间存在时滞关系，才可能利用统计指标进行预测未来经济发展趋势。
而外在政策及经济环境通过对内在机制作用，导致了经济波动的产生。
企业家处于经济运行与发展的最前线，针对企业家调查得出的景气指数往往最具有前瞻性和实践性。
工业景气指数是宏观经济景气的一个重要分支，对工业景气指数的分析不仅能够使我们更好地把握工业经济动向，而且能够促进工业经济的平稳健康发展。
因此，编制工业景气指数并对其进行研究分析对工业经济预测具有重要的现实意义。
四、总结
工业经济预测是编制经济计划、预见计划实施情况、加强指导的先决条件，也是相关部门搞好工业经济发展工作、实施经营管理的有效手段，其概念就定义了它在经济发展建设中的重要意义。
经济预测是做出决策的依据，是计划工作的基础，所有的计划措施是经济预测和决策的宏观体现。
经济预测主要是减少不确定性对工业经济发展的影响，它是一种科学认识活动，不能只靠经验、直觉去猜测、判定，而是要依靠可信的数据、科学的方法理论、精细的计算及全面的分析和判断。
而通过统计指标和景气指数来对未来工业经济发展加以预测，能够将不确定性的风险降到最低限度，得到的结果将更加合理真实有效，会达到更好的预测目的，使工业经济平稳健康的发展。
参考文献：
[1]韩胜新.企业景气指数预测效果实证分析与应用探讨[J].现代商贸工业，(3)
[2]何跃，张秋菊，杨剑，徐玖平.运用统计指标与景气指数对工业经济的组合预测[J].统计与决策，(9)
[3]杨伟.统计指标在经济生活中的地位与作用[J].牡丹江大学学报，(5)
篇3：交通经济运行预测指数
景气指数分为两种, 合成指数和扩散指数。但由于扩散指数只能用于判断当前经济活动总体是处于上升趋势还是下降趋势, 而不能反映经济周期波动的振幅, 所以我们利用合成指数预测经济周期波动转折点。
由于我们得到的数据是有缺值的时间序列, 所以我们先通过拟合方程对数据进行了补充, 然后进行季节调整。季节调整是处理月度、季度数据的重要步骤。经济时间序列一般可以分解为四个因素:长期趋势T、周期变动C、季节因素S和不规则变动I, 并采用了下面的模型:
乘法模型:Y=T×C×S×I
一、合成指数的编制
合成指数的计算方法是先求出每个指标的对称变化率, 实际上是序列的一阶差分相对变化率, 其目的是使序列平稳、规则、却均值为零, 使峰、谷及其落差显得更明显, 以便后面的分析和判断。然后, 求出先行、同步和滞后三组指标的组内、组间平均变化率, 使得三类指数可比。最后, 以某年为基年, 计算出其余年份各月的相对指数。本文以1996年为基年。具体步骤:
1. 求单个指标的对称变化率Ci (t)
设原指标经过季节调整后的序列为di (t) , 首先对它求对称变化率Ci (t) :
式中, Ci (t) , di (t) 是第i序列t时刻的值。这里的对称变化率, 实际上是序列的一阶差分相对变化率, 其目的是使序列平稳、规则, 且均值为零, 使峰、谷及其落差显得更明显, 以便后面分析。
2. 求标准化平均变化率V (t)
对于先行、一致、滞后的各指标:
首先, 求第序列的标准化因子Ai:
其中, N是标准化期间的月数, 即对称变化率序列的起止时期 (月数) 。
其次, 用Ai把Ci (t) 标准化, 得到标准化平均变化率Si (t) :
标准化后, 使先行、同步和滞后组内各指标间具有可比性。若不进行标准化处理, 指标数值大的序列组中的作用会强化, 从而相对弱化了指标数值小的序列。
最后, 求平均变化率R (t)
其中, k是组内序列数;Wi是第i序列的权重, 在通常情况下, Wi均取值为1。最后, 对各个R (t) 除以组间标准化因子F, 以求标准化平均变化率V (t) :
式中, P是同步指标组的R。
对于同步指标组, 有F=1, V (t) =R (t) 。
3. 求初始综合指标I (t)
对各组令I (1) =100, 且:
4. 求趋势调整T
首先, 对同步指标组每个序列分别求出各自的趋势, 其公式为:
式中, CL和CI分别是最先循环和最后循环的平均值, m是最先循环的中心到最后循环的中心之间的月数。最先与最后循环的平均值是基准循环日期第一轮循环的谷到谷或峰到峰的di (t) 的平均值和最后一轮循环谷到谷或峰到峰的di (t) 的平均值。
然后, 求出按上述方法算出的各同步指标的趋势值的平均值, 记为G。
其次, 对先行、同步及滞后的初始综合指数, 分别用上述公式计算各自的趋势T。
5. 求合成指数CI
首先, 令:
其次, 将上式算出的I′ (t) 除以基年的平均值, 再乘100, 就得到所求的CI, 即以基年为中心将其中心化, 使均值或中心值为100。
二、合成指数的分析
根据合成指数编制的方法, 我们得出了1997—2010年每月的宏观经济景气指数, 并取2010年全年的指数作为观察值。通过SPSS拟合, 先行、一致、滞后合成指数的拟合度高达98%以上, 故拟合效果非常好, 并对2011年第一季度的合成指数进行预测, 得到结果如下 (见表1) 。对国内生产总值增速的数据进行预处理 (2009-06至2010-11) , 然后通过SPSS拟合并预测2011年四个季度的国内生产总值增速, 结果 (见表2) 。
从表1、表2可以看出, 无论是宏观经济景气指数, 还是国内生产总值增速在2011年都呈现了前低后高的形势。这预测结果是非常符合现实情况。可以从以下两个方面去说明:从发展阶段来看, 随着中国人口红利拐点的临近, 投资和出口的要素成本都将面临趋势性的上升, 这种结构性而非周期性的上升将系统系的压低投资和出口的潜在实际增长率。从结构来看, 过去货币投放搭配投资, 再辅以适度额差的经济模式在“后危机”时代已面临太多的掣肘, 而消费的振兴又不能像投资那样一蹴而就, 新模式和旧模式承接的过程中经济增长率将适度的减速。我们预计2011年GDP当季同比增速在基数效应影响下将呈现前低后高的走势, 全年累计增长9%左右, 增速将较2010年下滑1个百分点左右。
摘要：通过时差相关分析并结合实际情况筛选出中国宏观经济景气先行、一致和滞后指标, 构建合成指数, 进而对宏观经济波动转折点进行分析与预测。研究结果显示, 2011年中国宏观经济景气呈现前低后高的走势, 预计2011年GDP当季同比增速在基数效应影响下将呈现前低后高的走势。
关键词：周期波动,景气指标,合成指数
参考文献
[1]李宝瑜.国民经济统计学[M].北京:中国统计出版社, 2002:395-396.
[2]赵彦云.宏观经济统计分析[M].北京:中国人民大学出版社, 1999:239-250.
[3]陈玉营.宏观经济预警监测系统概述[J].中国信息报, 2002, (4) .
[4]刘雪燕.中国经济周期波动转折点分析与预测[J].中国物价, 2010, (6) .
[5]崔友平.经济周期理论及其现实意义[J].当代经济研究, 2003, (1) .
[6]周姗颖.浅谈经济周期理论演进史[J].大众商务, 2010, (4) :112.
[7]李星, 陈乐一.近期国外经济周期研究文献综述[J].财经问题研究, 2010, (1) .
篇4：交通经济运行预测指数
关键词：EPU指数 经济增长指标 美元指数 国债收益率 沪深300指数
EPU指数简介
经济政策不确定性指数（Economic Policy Uncertainty，EPU指数）由Scott R. Baker、Nicholas Bloom和Steven J. Davis三位学者编制，主要用来反映世界各大经济体经济和政策的不确定性。他们的研究表明，EPU指数与实际宏观经济变量（如经济增长和就业率）有显著的反向关系，甚至对权益市场（如S&P500）的大幅波动也有解释作用（见图1）。
（一）美国EPU指数的三个组成部分
第一部分是新闻指数（News Index），即通过统计美国10家大型报社中与经济政策不确定性有关的文章数目来衡量经济政策的不确定性。第二部分是税法法条失效指数（Tax Expiration Index），即通过统计每年失效的税法法条数目来衡量税法变动的不确定性。第三部分是经济预测差值指数（Economic Forecaster Disagreement Index），具体又分为CPI预测差值（CPI Disagreement）和联邦/地方州政府支出预测差值（Federal/State and Local Government Expenditure Disagreement），即通过考察不同预测机构对重要经济指标的预测差异来衡量经济政策的不确定性。EPU总指数（Overall Index）是上述四个子指数的加权总和，即1/2的新闻指数、1/6的税法法条失效指数、1/6的CPI预测差值和1/6的联邦/地方州政府支出预测差值。
（二）欧洲和中国的EPU指数均为新闻指数
欧洲和中国的EPU指数仅指综合指数的第一部分，即新闻指数，所以称作News-Based EPU。具体来说，选取欧洲和中国的大型报社，通过搜索关键词'uncertain/uncertainty'， 'economic/economy'，'policy'、'tax'、'spending'、'regulation'、'central bank'、'budget'和'deficit'等筛选出与经济政策不确定相关的文章，在进行统计和标准化处理后得到指数。虽然仅是新闻指数，但Scott R. Baker等人指出，News-Based EPU仍然具有代表性，因为其与综合指数具有很强的相关性。
EPU指数的应用
如Scott R. Baker等人所说，EPU指数与实际宏观经济变量有显著的反向关系，甚至对权益市场（如S&P500）的大幅波动也有解释作用。为此，笔者将考察美、欧、中等经济体的EPU指数与宏观经济和金融市场的关系。
（一）EPU指数与经济增长指标有负相关关系
美、欧的EPU指数与实际GDP季调环比折年率和PMI指数均存在反向关系，EPU指数的阶段性顶/底部拐点往往对应着实际GDP环比和PMI指数的阶段性底/顶部拐点（见图2至图5）。比如，美国2009年1月的银行业危机和2011年7月的债务上限之争，欧元区2003年2月的第二次海湾战争和2008年11月的欧盟刺激，EPU指数的阶段顶部均与实际GDP环比的阶段底部相对应。
中国的EPU指数和经济增长指标（包括GDP当季同比、PMI指数和工业增加值）也存在负相关关系（见图6至图8）。2000年以来，几次显著的拐点包括：2000年10月的中国加入WTO、2002年8月的第二次海湾战争冲击、2003年2月的通货紧缩和财政赤字、2004年4月的中美加息、2008年8月的通胀压力和出口放缓、2012年10月的十八大召开。
（二）欧美EPU指数之差与美元指数有正相关关系
从逻辑上说，如果欧元区经济相对美国经济更差，则美元指数上行，反之美元指数下行。为了反映欧元区和美国经济的相对好坏，笔者以欧元区与美国的EPU指数之差或者PMI指数之差来衡量。从前文分析可知，EPU指数与宏观经济是反向关系，因此欧美EPU指数之差增加，表示的是欧元区经济相对美国经济更差，美元指数上行，即EPU指数和美元指数是同向关系。实际数据也显示，欧美EPU指数之差与美元指数不仅是正相关关系，而且领先美元指数1～2个月（见图9）。另外，欧美EPU指数之差与美元指数的相关性强于欧美PMI指数之差与美元指数的相关性（见图10）。
（三）中国EPU指数与债市正相关、与股市负相关
从逻辑上说，中国EPU指数越高，宏观经济走坏的可能性越高，债市会因收益率没有宏观经济支撑和政策宽松预期而向好，股市则因企业经营业绩下滑而走坏。从实际数据来看，中国EPU指数和10年期国债到期收益率、月均沪深300指数确有负相关关系。如2008年10月，中国EPU指数阶段性见顶，而10年期国债到期收益率在2个月之后阶段性见底（见图11），月均沪深300指数在1个月之后阶段性见底（见图12）。
当前EPU指数走势的启示
（一）美元指数面临回落调整压力
前文利用EPU指数之差来衡量欧美经济状况差异，结论表明：欧美EPU指数之差与美元指数的变化具有高度相关性，且具有一定的领先意义（领先1～2个月）。因此，考虑到当前欧美EPU指数之差有下降趋势（见图9），显示欧美经济差异在缩窄。笔者认为，美元指数的强势上行将受到挑战，很可能面临回落调整的压力。
（二）中国经济正在企稳过程中
如前所述，中国EPU指数和经济增长指标存在负相关关系（见图6）。因此，中国EPU指数（3个月移动平均）在经历了2014年10月份的高点后，出现了回落迹象并延续至今（见图12），反映出中国经济正在企稳过程中。
作者单位：董德志 上海社会科学院世界经济研究所
柯聪伟 国信证券股份有限公司
篇5：交通经济运行预测指数
针对目前航天领域在对运载火箭遥测数据进行监控过程中,人工监测反应速度慢、工作量比较大这一问题,提出了对遥测数据进行趋势预测的思想,并采用自适应指数平滑法进行趋势预测研究.仿真实验证明:该方法预测精度较高,跟踪速度较快,实时性较好,能够实现对遥测数据的实时趋势预测.应用该预测方法可提前预测潜在的故障趋势,为指挥员正确决策提供理论支持.
作 者：余国浩 蔡远文 YU Guohao CAI Yuanwen 作者单位：余国浩,YU Guohao(装备指挥技术学院,研究生管理大队,北京,101416)
蔡远文,CAI Yuanwen(装备指挥技术学院,航天装备系,北京,101416)
篇6：交通经济运行预测指数
综合增长指数法在工业废水排放量预测中的应用
摘要：介绍了综合增长指数法的建模方法,并应用该方法对我国珠江三角洲某市不同区域工业废水排放量进行预测.实际检验结果表明,该预测模型精度较高,且使用方便,适用于总量控制区域内初始排污指标按区分配时,对各区进行规划期内工业废水排放量的预测.作 者：王丽芳 吴纯德 阮梅芝 范平 WANG Li-fang WU Chun-de RUAN Mei-zhi FAN Ping 作者单位：华南理工大学,环境科学与工程学院,广州,510006期 刊：工业用水与废水 ISTIC Journal：INDUSTRIAL WATER & WASTEWATER年，卷(期)：,39(3)分类号：X708 O242关键词：工业废水 排放量 综合增长指数法
篇7：交通经济运行预测指数
【摘要】
风险指数评估法是安全风险评估的常用方法之一，目前被广泛应用于核工业、医疗、铁路和民航等诸多行业。随着航班量的增加，空管系统的运行风险也在日益增加。安全评估对空管系统发挥着举足轻重的作用，风险指数评估法也是空管系统贯用的评估方法之一。
【关键词】
风险评估;风险指数评估法;风险管控
随着经济的快速发展，我国的民航业也高速发展并日益增强，同时航班量呈现连续多年并持续以10%以上的速度增长。随着航班量的增加空管系统的运行风险也在日益增加。保障运行安全和增加航班量在一定程度上是对立的，因此系统、科学的.在运行安全和航班量间取得平衡是空管安全管理的重中之重。风险评估是民航安全管理[1]的核心组成部分，也是保障系统安全的有效策略。下文将对风险评估的方法之一风险评估指数法简单介绍并运用其对空管实际案例进行评估。
1风险评估指数法
风险评估指数法(RiskAssessmentCode，RAC)是应用风险矩阵进行定性风险估算的常用方法，它将决定事件风险的可能性和严重程度两个因素分别划分为若干等级，并对每个级别定量赋值[2]，通过对这两个因素加权计算来反应风险的大小程度。通常对事件发生概率等级分为五级：频繁的、经常的、偶然的、不太可能、极不可能的;对严重性的划分通常为五级：灾难的、危险的、严重的、轻微度、可忽略的。风险等级根据指数从小到大分为：可接受、可容忍和不可接受的风险。
2案例说明
利用风险评估指数法对9月14日国家实施沪兰大通道空域调整方案对应西安区域部分进行危险源识别[3]和安全风险评估。沪兰大通道空域调整方案涉及4个地区空管局，新辟航路航线6条，调整班机航线走向56条，调整涉及西安区域航班日均超过500架次。经过前期梳理查找到以下3个危险源：管制员、飞行员在改航初期对航路航线走向不熟悉，容易造成工作差错;空域调整后，H14东向航班不过ZS，02、07扇区引导方案中ZS后的引导不再适用，容易造成飞行冲突;NSH以远飞往杭州、宁波的航班，NSH后飞UFP234与P124方向到西安落地的航班在UF形成交叉冲突。
3风险矩阵的建立
风险矩阵模型的建立对整个评估过程是至关重要的一个环节，模型中的各个因素可以参考概率模型[4]等评估方法。3.1“可能性”评估通过对比风险情景在以往出现的频度确定潜在危险发生的“可能性”，其定量值，见表1。3.2“严重性”评估通过分析风险情景发生后造成的后果确定潜在危险的“严重性”，其定量值，见表2。3.3风险指数确定在得出“可能性”和“严重性”定量值后，确定风险指数。风险指数=可能性×严重度，可参考以下矩阵(见表3)进行分析评估。3.4风险等级划分在得出风险指数并进行评估，可参考下表确定相应的风险可接受程度，划分风险等级，见表4.
4风险评估
根据空域调整方案，对已查找出危险源的可能性和严重性评估如下，见表5。
5评估结论
第一个危险源：管制员、飞行员在改航初期对航路航线走向不熟悉，风险等级4，为可接受风险，可以正常运行，继续关注;第二个危险源：空域调整后，H14东向航班不过ZS，02、07扇区引导方案中ZS后的引导不再适用，风险等级9，为可容忍风险，可以正常运行，但必须采取风险控制措施，降低风险;第三个危险源：NSH以远飞往杭州、宁波的航班，NSH后飞UFP234与P124方向到西安落地的航班在UF形成交叉冲突，风险等级15，为不可接受风险，采取控制措施，消除风险后才能运行。
6风险管控对第二和第三个危险源制定了风险控制措施，见表6。
7风险管控后的评估结论
通过对第二条和第三条危险源进行风险管控，按照风险控制措施实施后对其进行重新评估。管控后第二条危险源的风险指数降为6，为可接受风险，可以正常运行，继续关注;管控后第三条危险源的风险指数也降为6，为可接受风险，可以正常运行，继续关注。经过风险管控后3个危险源的风险指数都降到了6以下，整体风险为可接受风险，因此沪兰大通道空域调整方案在西安区域可以在风险管控的基础上安全实施。
8结束语
篇8：城轨交通运行引起环境振动的预测
关键词：城市轨道交通,环境振动,预测模型,预测公式
随着现代经济的发展, 城市人口和城市规模日益扩大, 交通问题日益突出, 城市轨道交通运量大、速度快、安全可靠、运行准时等特点, 成为解决城市交通的重要手段。但城市轨道交通在运行过程中会对周围居民和建筑物产生不利影响, 环境振动是城市轨道交通影响环境的主要方面。随着近几年城市轨道交通的发展, 人们对此问题越来越重视。减小城市轨道交通产生环境振动, 是提高沿线居民的生活质量, 使轨道交通实现可持续发展的关键之一。国内外学者针对轨道交通引起的环境振动预测进行了深入研究, 取得丰富的研究成果。
1 影响轨道交通周围地面振动的主要因素
轨道交通系统振动对环境和周边建筑物的影响一般通过以下方式进行, 由列车对轨道的冲击作用产生振动, 并通过结构隧道基础和衬砌或桥梁的墩台及基础传递到周围的地层, 进而通过土介质向四周传播, 进一步诱发附近地下结构物以及建筑物包括其结构和室内家具的二次振动和噪声, 从而对建筑物的结构安全以及建筑物内人们的工作和生活产生影响。因此, 轨道交通系统的振动要由以下几个方面产生:①列车运行时, 对轨道的重力加载产生的冲击;②列车运行时, 轮轨相互作用产生的车轮与钢轨结构的振动;③当车轮滚过钢轨接头时, 轮轨相互作用产生的车轮与钢轨结构的振动;④轨道的不平顺和车轮的损伤也是系统振动的振源。
对于地下铁道, 主要影响因素有:列车速度、车辆重量、隧道的埋置深度、隧道基础和衬砌结构类型、轨道类型、是否采用了隔振措施等, 此外列车与轨道的相互作用也会加大振动作用。对于高架轻轨系统, 其影响因素主要有列车速度、车辆重量、桥梁结构类型和基础类型、桥梁跨度、刚度、挠度等, 列车与桥梁的动力相互作用也会加大振动作用。轻轨系统桥梁的基础类型对地面振动的影响非常大。对于地面铁路, 主要影响因素有:车辆类型、载重、行车速度、铁路轨道的不平顺、车轮的不平顺、钢轨接头、轨道的结构特性、路基的弹性特性等, 轨道养护状态对振动的影响也很大, 一般振动大的轨道, 经过养护其振动可降低约5～10 dB。
2 城轨交通运行引起环境振动规律
城市轨道交通引起的环境振动问题, 针对不同内容的研究方法, 可以归纳为以下4种方法。
2.1 解析的波数-频域法
利用傅利叶变换将物理空间 (x, y, z) 中的轨道与地面运动控制方程转换到波数-频域 (β, γ, z) 中, 解傅利叶变换运动控制方程, 并进行傅利叶逆变换得到问题的解。解析模型主要研究移动荷载作用下的地面振动问题, 最早的研究是从Lamb[1]于1904年发表的一篇经典论文开始的。Lamb对半无限空间体表面或内部作用有简谐荷载或脉冲荷载时所引发的土体振动进行研究, 并且给出解析解的积分表达式。随后许多研究者对Lamb问题进行详细的分析和不同程度的延伸, 研究表明, 在理想弹性介质中各种波效应的振幅与距离关系如表1所示。
英国诺丁汉特伦特大学的 Krylov 教授建立轨道交通引起的地面振动解析模型, 利用该模型, Krylov不仅讨论了轨道参数、列车参数和地基土参数对地面振动的影响, 而且针对高速列车讨论了列车移动的临界速度问题。比利时鲁汶大学Degrand研究波在多孔饱和弹性地基土中的传播的研究, 提出谱分析方法, 推导出地基土刚度矩阵的精确表达式, 并开发出一套用于计算弹性半空间和分层粘弹性半空间地基土轴对称 Green函数的程序“SPECTRAL”。随后, Degrand利用Betti-Rayleigh动力互易定理改进Krylov的解析预测模型, 土层进行了更实际的考虑, 采用水平分层粘弹性半空间地基土模型, 通过早期研究“SPECTRAL”程序进行精确的计算。英国南安普敦大学的Jones和Sheng[8,9,10]等研究常力荷载、简谐荷载和铁路列车荷载在不同速度 (包括低于、接近或高于弹性半空间上的分层土体中的Rayleigh波波速) 时引起的地基土表面竖向位移。英国南安普敦大学的Jones和Sheng等研究常力荷载、简谐荷载和铁路列车荷载在不同速度 (包括低于、接近或高于弹性半空间上的分层土体中的Rayleigh 波波速) 时引起的地基土表面竖向位移。模型中, 振源激励考虑了准静态荷载和轨道不平顺引起的动态激励力。列车模型中考虑进了车体、转向架和轮对的动力反应, 轨道被模拟为地基土表面上的分层梁, 轮轨之间满足线性Hertz 接触, 轨道不平顺是以不同波长的简谐波来考虑的。
2.2 数值法
随着高性能计算机的不断发展, 各种数值的分析模型成为预测轨道交通引起振动反应的一个非常有效的工具, 包括有限元法、边界元法和边界元与有限元耦合的模型。
1) 有限元模型 (FEM) 。
有限元方法能适应复杂的几何形状和边界条件, 但不能很好地体现土体的能量辐射。必须设置竖向和水平向的人工边界, 并在人工边界上加上合适的透射边界条件。Lysmer和Kuhlemeyer在1969年首次提出在模型边界上设置粘性阻尼装置来吸收能量的粘性边界, 而后Balendra等采用具有粘滞边界的二维有限元模型模拟了地铁-地基土-建筑物系统的稳态振动。台湾成功大学的朱圣浩教授建立了时域内的三维有限元模型, 边界处理时采用了吸收边界条件, 较好地模拟了列车过桥时引起的地面振动。寥振鹏院士提出人工透射理论和透射边界条件, 并从波速有限原理出发提出波动有限元模拟的解耦思想和实现解耦的方法;其后对这一方法进行论证, 并将它与透射边界研究结果结合建立了近场波动有限元模拟时空解耦技术的基本框架。
2) 边界元模型 (BEM) 。
由于边界元方法的基本解中包含了无限远处的辐射条件, 在处理辐射阻尼的影响时十分方便, 所以边界元法是分析土-结构系统动力响应的一种有效工具。例如, Klein等采用三维直接边界元模型研究了大量减隔振方法;Kattis等采用频域内的三维边界元模型分析了隔振沟和排桩的隔振性能;Banerje等给出地基土内部点源对应的弹性半空间Green函数在频域内的基本解, 采用三维边界元模型研究了波屏障的有效性, 并将计算结果与大量试验数据进行了对比;Lombaert等建立了分层弹性半空间地基土模型的基本解, 采用松弛边界条件, 计算了交通路面下分层土体的刚度矩阵, 分析了路面交通引起的振动。
3) 边界元与有限元耦合的模型 (BEM+FEM) 。
有限元与边界元的耦合模型实用性较强, 经常用来处理波阻障、建筑物、路基、分层土体以及轨道结构等复杂的问题。例如, Jones等使用二维有限元-边界元耦合模型研究了铁路隧道引起的振动, 比较了有无混凝土衬砌时隧道产生的地基振动, 并考虑了隧道连续墙下地基土的刚度对振动的影响。 X. Sheng等利用2.5维边界元-有限元耦合模型对分层土、地下列车体系、波阻块 (WIB) 等工程实际做了预测。台湾大学的杨永斌教授综合使用有限元和无限元对高速铁路的环境振动影响进行了系统的研究和预测。浙江大学的边学成[2]博士运用2.5维有限元-边界元混合法对地铁列车运行时引起的隧道结构和地基振动问题进行了数值建模, 分析了列车荷载配置、隧道结构、地基特性等因素对地基中波的传播的影响, 给出了地铁运行时地基的振动和应力分布。
2.3 实验法
通过试验研究列车引起的环境振动衰减及分布规律, 并在大量实测数据基础上建立的经验、半经验公式也经常被应用于轨道交通环境振动与振动噪声的计算和预测中。美国运输总局制定了专门的手册来规范由快速轨道交通和高速铁路引起的振动影响, 其中详细地分析了振源、传播路径和接收物的不同因素的影响, 工程师只要查阅这些手册便可得出初步的预测结果, 但结果存在较大的误差。英国、日本等国也有一套与本国实际相适应的经验公式来初步预测环境振动。在国内, 北京交通大学的夏禾教授、刘维宁教授、张鸿儒教授等, 同济大学的高广运教授和楼梦麟教授等, 浙江大学的蒋建群教授和陈云敏教授等, 武汉理工大学的谢伟平教授等带领其课题组对于高速列车、城轨列车、地铁列车等引起的地面和建筑物进行了大量实验, 总结出很多有价值的振动传播规律。
2.4 统计能量分析法
统计能量分析是应用能量流关系式对包含若干子系统的复杂结构进行动力特性、振动响应级及声辐射进行评估和预测的一种方法。北京交通大学的闰维明教授、杨光辉等通过对地铁振动的实测, 分析了振动的频率特点和衰减规律, 并提出了统计回归公式。浙江大学的周云根据国外已有实测数据及振动能量的传播规律提出了一种经验预测模型, 该模型所需参数较少, 应用较为简便, 但它只考虑了Rayleigh波对地面振动的贡献, 并且在分析振动频率成分方面存在着明显的不足, 所以只能对地面振动进行粗略的预测评估。
3 预测公式分析
振动在土中的衰减有两个原因:一个是几何阻尼, 另一个是材料阻尼。几何阻尼描述的是随着与振源距离的增加, 振动能量密度降低的物理现象。材料阻尼则是因为土体并非理想的弹性材料, 土体颗粒之间的摩擦造成了振动能量的衰减。国内外主要的预测公式主要有如下几种。
1931年G.bornitz提出了考虑几何阻尼和材料阻尼效应并结合土体实测参数土的能量吸收系数或衰减系数的地面振动衰减公式;但是振动的传播还与振源频率、振源特征、振动能量和体波效应等因素有关系, 在实践中难以应用。
1988年Melke[3]将振源—传播途径—接收者这一系统参照电路阻抗模型来模拟, 采用衰减链预测法, 以代数的形式取代复杂的运动方程, 建立了为振级为单位的振动衰减
式中:LB为振级, dB;LR为隧道振动振级;Rtr为振波随水平距离的衰减项;Rtw为土壤内部引起的衰减项;Rg为轮机状态的衰减修正因子;Rb为考虑建筑物的结构形式, 基础类型, 楼层比的衰减项。
此式较好的评价了地下类车荷载所引起的振动的影响因素, 但该公式的几项参数均是以测量结果为基础的, 针对不同的土层和结构, 参数的取值不同, 普遍应用性较差。
在国内, 大部分借用《动力机器基础设计规范》中的预测公式, 动力地基基础规范中的预测公式为杨先健等采用近似关系, 把动力面源一起的地面振动传播表示成波源的距离r, 波源面积F, 几何衰减系数, 土壤衰减系数的函数
式中:r为距动力面源中心的距离, Ar为距动力面源中心r处地面的振幅, f0为波源扰动频率, A0为波源振幅, x为与波源面积有关的几何衰减系数, a为土的衰减系, r0为波源半径。
式中根号内的项反应了波的能量必定随着波源距离的增大而减小, 即为几何衰减, 根号外的指数表示波随土材料的耗散。此式较好的表达了振动沿距离的衰减规律, 但该式是在地面振动荷载曲线的基础上总结出来的, 对于地下移动荷载, 其实用性有待进一步研究。
潘馥兰[4]的表达式为
式中:Ar为距离振源r处的加速度幅值, A0为距离振源r0处基准点的加速度幅值, r为距振源的距离;rR=r0+ (2～3) h, h为基础埋深;a=xw/V为地基内部的材料阻尼衰减系数, 式中符号同前。
此式考虑了基础埋深的影响, 并且反映了距振源不同距离处几何衰减的不同规律, 即在振源附近以体波衰减为主 (衰减幅度为r-2) ;在远处以面波衰减为主 (衰减幅度为r-1/2) 。
茅玉泉的表达式[5]不仅考虑了不同类型振源 (锻锤、压力机、空压机、制冷压缩机、火车和汽车) 的影响, 而且考虑了振动的3个分量 (铅垂向、水平径向以及水平切向) 以及振动的不同方向的因素。通过大量的比较表明实测与计算结果符合较好。以铁路列车引起地面振动为例, 对于铅垂向及水平向的地面振动
式中:Arz、Arx为距离轨道中心 r 处铅垂向和水平方向的加速度幅值;K0为不同类型土的振幅系数;V为列车车速, km/h;r为距离轨道中心的距离;Kz=0.75、Kx =0.6分别为z和x方向的综合衰减系数;αz、αx分别为铅垂方向和水平方向的能量吸收系数。
同济大学的张昕[6]博士针对上海市明珠线高架轨道交通的典型线路区段, 进行了大量环境振动实测及其传播和衰减规律的研究, 对实测结果采用线性和非线性回归方法进行统计分析, 提出了上海市高架轨道交通引起环境振动衰减特性的统计回归公式。
2009年魏鹏勃[7]博士将3类城市轨道交通引起的环境振动振源模型和传播路径模型进行整合, 得到城市轨道交通引起的环境振动数值分析模型。通过对不同参数的选取而设置工况, 计算得到各类轨道支承体系的轨道交通引起的自由场地和建筑物的分析结果, 并按照不同的影响因素分析其影响特征, 形成综合考虑多种因素影响的环境振动预测公式。
4 结论
1) 以上基于解析方法的研究成果, 是对点源激励或线源激励进行的理论分析, 同时从振动的传播机理对地面振动进行预测, 不能应用于轨道交通引起的环境振动预测中;数值方法建立的模型设置的工况较少, 考虑的影响因素不够全面, 并且由于受计算手段限制, 对实际情况进行了较大程度的近似和简化;经验模型太依赖于具体问题的特定环境条件, 由此得到的结果也比较粗糙, 准确性不高, 缺少通用性。
2) 建议在今后的分析中, 结合以往建立的分析模型, 针对特定影响因素设置更多工况, 详细考虑其影响下的振动预测模型, 如考虑不同地层组合下的地面振动预测模型, 不同的隧道结构形式, 不同的桥梁跨度等, 并结合更多工程的实测数据来修正计算模型。
参考文献
[1]Lamb H.On the propagation of tremors over the surface of an elastic solid[J].Philosophical Transactions of the Royal Society, 1904, A203:1-42.
[2]边学成.高速列车运动荷载作用下地基和隧道的动力响应分析[D].杭州:浙江大学, 2005.
[3]Melke J.Nosie and Vibration from underground rail way lines:proposals for aprediction procedure[J].Journal of Sound and Vibration, 1988, 120 (20) :391-406.
[4]中国船舶工业总公司设计研究院.BD-1315隔振设计手册[S].北京:中国建筑工业出版社, 1986.
[5]茅玉泉.交通运输车辆引起的地面振动特性和衰减[J].建筑结构学报, 1987 (1) :67-77.
[6]张昕.高架轨道交通引起环境振动的实测和理论分析研究[D].上海:同济大学, 2002.
[7]魏鹏勃.城市轨道交通引起的环境振动预测与评估[D].北京:北京交通大学, 2009.
[8]Sheng X, Jones CJ C, et al.Ground vibration generated by a harmonic load acting on a rail waytrack[J].Sound and Vibration, 1999, 225 (1) :3-28.
[9]Sheng X, Jones CJ C, et al.Ground vibration generated by a load moving along a rail way track[J].Sound and Vibration, 1999, 228 (1) :129-156.
篇9：交通经济运行预测指数
关键词：“交通—经济”大系统；交通投资；BP神经网络；预测
作为一种人类社会发展的先行资本，交通基础设施的投资与建设成为了实现经济增长的重要先决条件。由于建设周期长、投资大，造成影响交通投资的因素十分广泛而复杂，因此在研究交通投资预测时，国内许多学者增加了影响交通投资的相关因素。匡敏、胡思继等人选取了铁路市场份额、铁路货运量、港口货物吞吐量、基本建设投资、GDP、第二产业比重、原煤产量、钢产量8个指标作为铁路运输的影响因素，运用BP神经网络对铁路运输进行了预测。方庚明运用多元回归方法，建立了包括经济、人口、政策影响客运量发展相关因素在内的客运量发展预测模型。温爱华、李松选取了GDP、公路运营里程、公路货运量、铁路运营里程、铁路复线比例、铁路货物周转量、铁路货运量、铁路运输从业人员8个指标作为影响铁路货运量的因素，基于GRNN模型对其进行了预测。王文莉、杨俊红采用灰色理论对影响铁路客运量的因素，即GDP、人口、居民平均消费水平、工业增加值、社会消费品零售总额、公路客运量、民航客运量、旅客列车旅行速度进行分析，采用动态分辨系数的灰色关联分析法实现影响因素的优化选择。
关于交通方面的预测方法较多，常用的有回归分析法、时间序列法、灰色模型预测法等，他们都需要建立函数模型才能实现预测。而且通过这些方法所建立的模型，不能全面地反映所预测动态数据内在结构的复杂性和非线性，容易丢失信息。近年来，随着神经网络技术的发展，部分学者尝试利用神经网络进行交通量的预测，构建了多种模型，并取得了一定成就。与传统的预测模型相比，神经网络模型不需要建立函数模型，有较强的自适应性和学习性，具有建立分段非线性模型的能力，对于交通基础设施这个复杂的系统来说，运用神经网络模型进行预测是一种有效的方法。
由于交通投资是一个复杂的系统工程，影响投资的因素较多，而且每个因素也会随着环境的变化而变化，因此为了全面、科学、本质地反映交通投资的变化，本文在前人研究的基础上，构建在“交通—经济”大系统环境下影响交通投资的层次结构模型，运用BP神经网络模型进行预测。
一、 交通基础设施投资影响因素层次结构模型
交通基础设施投资规模是由交通基础设施可供量和需求量共同决定的，而影响交通投资规模的可供量和需求量又涉及到社会生产与生活的方方面面，由此决定了交通投资预测是一个复杂的非线性系统。本文将影响交通投资的因素分成三大类：一类是交通基础设施自身内部的因素，主要包括交通供给与需求；第二类是经济社会因素，如GDP、产业结构状况、人均消费、人口等；第三类是经济体系的外部因素，如资源、环境、地理条件等。根据层次分析法指标体系建立的方法，将交通基础设施投资作为目标层，交通基础设施供给系统、需求系统、经济社会系统和资源系统作为准则层，影响因素作为指标层，构建在“交通—经济”大系统环境下交通基础设施投资影响因素层次结构模型（见图1）。
二、 建立交通基础设施投资的BP神经网络预测模型
1. BP神经网络的基本结构。BP神经网络是一种多层前馈神经网路，其采用误差反向传播学习算法。它由输入层、隐含层和输出层构成，通过有指导的学习方式进行训练和学习，将神经元的激活值从输入层经各个隐含层向输出层传播，在输出层的各个神经元获得网络的实际输出响应。通过比较输出层各个神经元的实际输出与期望输出，获得二者之间的误差，然后按照减少误差的方向，从输出层经过各个隐含层并逐层修正各个连接权值，最后回到输入层。这种过程不断重复进行，直到误差降低，至可以接受的范围，学习训练过程也就随之结束。通常情况下，由于训练样本有限，一般强调选择能达到要求的最小网络。因此，本文所构建的交通投资BP神经网络预测模型的其网络拓扑结构见图2所示。
2. 建立预测模型。训练对于神经网络模型的建立是至关重要的，训练结果的好坏将会影响神经网络模型的拟合与预测效果。因此，我们在训练时要考虑到预测，而不是一味地追求高拟合度，要注意整个模型拟合与预测的一致性。
基于这个目的，本文以同一年份的交通投资总额、铁路投资额、公路投资额、水运投资额、航空投资额、管道投资额、客运量、客运周转量、货运量、货运周转量、GDP、其他基础设施投资、非基础设施投资、人均消费、人口、能源消耗总量16个指标作为一个神经元。利用1980年～2009年的数据作为输入量，2010年的数据作为输出量进行网络训练；同时利用1979年～2008年的数据作为输入，2009年的数据作为输出对网络的性能进行测试，验证模型是否可靠。由于隐含层神经元的确定是根据问题的要求和输入、输出单元的多少，本文经过反复测试，确定隐含层节点数设为5比较合理。因此，本文的预测模型网络结构采用30-5-1结构，即输入层有30个神经元，隐含层有5个神经元，输出层有1个神经元，也是说用前30年数据作为学习样本，后1年的数据作为预测效果检验样本。
三、 应用BP神经网络进行交通基础设施投资的预测
1. 样本数据处理与归一化。为了提高网络训练的学习效率和收敛速度，在数据进入神经网络进行训练和检验样本之前，本文对所选取的16个指标的数据进行归一化处理。本文采用min-max规范化方法，将数据处理为区间〔0， 1〕之间的数据。由于数据量庞大，采用MATLAB7.0实现归一化处理。
2. BP神经网络训练设计。本文设定BP神经网络的各训练参数为：最大训练步数为10 000步，网络训练后达到的目标精度控制参数为0.001，学习率为0.01，将样本模式计算器和训练次数计算器都置为1，误差E置为0。采用MATLAB7.0神经网络工具箱的函数trainbpx（）来完成整个模型建立与仿真。
3. 网络训练与结果分析。为了缩短学习时间，本文利用LM数值优化法来实现反传算法，网络经过2918步训练后达到设定的均方误差值0.001，训练效果良好。根据上述算法和步骤，训练好的BP神经网络的回测结果表1。
从表1中可以看出，2009年交通基础设施投资相关指标回测结果相对误差在1%～6%之间浮动，虽然有些指标有点偏大，但是总体来说结果还是令人满意的。由此，利用网络结构30-5-1的结构，逐年迭代下去，预测2011年～2020年交通基础投资的相关数据。
总体上来看，2011年到2020年我国的经济增长呈快速上升趋势，年均增长率为12.34%，而交通基础设施投资年均增长率为6.53%。与1978年～2010年经济增长与交通投资年均增长率相比，经济增长增加了2.7个百分点，而交通基础设施投资减少了8.47个百分点，说明未来10年我国的经济增长将改变原有的靠投资拉动的粗放型经济增长方式，国家将加强对交通投资的宏观调控。另外，交通投资的波动较小，缓慢上升，说明交通基础设施仍然是国家投资的重点（见图3所示）。
从交通各种运输方式的投资来看，都随着经济的增长呈现上升趋势，铁路、公路、水运、航空、管道年均增长率为4.96%、5.74%、6.79%、6.98%、21.93%，管道运输基本建设投资增长最快。从所占交通基础设施投资比率来看，铁路与公路投资比率波动较大，从2017年以后，所占比率开始下降，水运、航空、管道投资比率一直保持平稳趋势（见图4、图5所示）。总体上看，公路与铁路仍然是国家投资的重点。
从交通运输客运量与客运转量来看，随着经济增长呈快速上升趋势，年均增长率为6.37%、6.71%。同样，货运量与货运周转量也呈快速上升趋势，年均增长率为5.9%、6.63%（见图6、图7所示）。与交通基础设施投资年均增长率相比，交通需求仍然大于交通供给，交通基础设施投资仍将满足不了经济快速发展。
四、 结论
交通基础设施投资实质上是一个复杂的动态系统，它受到各种各样复杂因素的影响。因此，在研究交通基础设施投资的具体情况，除了要考虑自身内部的各种因素的变化，还要考虑其他多种因素共同的作用。由于每个与交通基础设施密切相关的影响因素随着环境的变化不断地发生变化，这就决定了研究交通基础设施投资预测时，不能基于交通基础设施投资的自身封闭系统，而是把它放在“交通—经济”大系统中。实证研究证明，BP神经网络预测模型比传统预测模型更能较全面地反映在大系统环境下各种因素对交通投资的非线性的映射关系，预测精度高，效果比较满意。
参考文献：
1. 匡敏，胡思继，邢培昱，武旭.基于国民经济大系统下的铁路货物运输量预测方法的研究.北方交通大学学报（社会科学版），2003，2（4）：21-24.
2. 方庚明.基于多元线性回归的公路客运量发展预测模型.工程与建设，2011，25（2）：164-166.
3. 温爱华，李松.基于广义回归神经网络的铁路货运量预测.铁道运输与经济，2011，33（2）：88-91.
4. 王文莉，杨俊红.基于灰色理论的铁路客运量预测影响因素优化.微电子学与计算机，2011，28（10）：164-172.
5. 李驰宇，李远富，梁东.基于人工神经网络的交通运量预测.交通标准化，2005，（8）：130-132.
6. 王维国，张静静.基于BP神经网络的货运量预测方法.物流技术，2005，（7）：58-59.
7. 陈福贵，李远富.基于BP神经网络的铁路货运量预测.铁道货运，2005，（9）：15-17.
8. 国家统计局.中国统计年鉴（2011），北京：中国统计出版社，2011.
基金项目：高速磁浮交通系统在我国综合运输体系中的地位和作用（项目号：40011012201005）。
作者简介：宗刚，北京工业大学经济与管理学院常务副院长、教授、博士生导师；任蓉，北京工业大学经济与管理学院博士生；孙玮，北京工业大学经济与管理学院博士生。
相关文章：
性能指数01-12
质量指数01-12
上证指数01-12
工资指数01-12
《零指数幂和负整指数幂》教学反思01-12
拉氏指数和帕氏指数的认识01-12
语文听说训练的方法01-12
指数预测模型01-12
