云浮市汽车客运西站平面布局设计(编辑修改稿)

云浮市汽车客运西站平面布局设计(编辑修改稿)内容摘要：

据本次项目的目的和要求，结合云浮市 社会经济与道路旅客运输发展的特点，拟采用回归分析模型、三次指数平滑法、弹性系数法等模型进行预测。 选用多种模型进行预测时，各模型预测结果不尽相同，为了使预测结果更接近真值，可运用组合预测方法对结果进行修正。 一 元线性回归分析 一元线性相关回归分析预测法，是根据自变量 X和因变量 Y的相关关系，建立 x与 y的线性关系式，其关系式中求解参数的方法是统计回归分析法，所以 X与 Y的关系式就称回归方程。 一元线性相关回归方程的一般式为： Y=a+bX 其中， Y 为被解释变量， X 为解释变量， a为常数， b 为回归系数。 利用最小二乘进行参数估计，已知一组样本观测值（ ii XY, ），（ i=1,2,„ n），要求样本回归函数尽可能好地拟合这组值，即样本回归线上的点 iYˆ 与 真实观测点 iY 的“总体误差”尽可能地小，或者说被解释变量的估计值与观测值应该在总体上最为接近，最小二乘法给出的判断标准是：二者之差的平方和最小。 即在给定样本观测值之下，使 Q最小。 21 )ˆ( in i YYQ  = 21 ))(( ini bXaY  根据微积分学的运算，当 Q 对 a、 b 的一阶偏导数为 0 时， Q 达 到最小。 参数 a、 b 确定后，有 Y=a+bX。 （ 1）回归变量的选择 在选择变量时，若选择的相关因素过多，累积误差就越大，所以在筛选时，尽可能使自变量少一些，并使自变量相互独立。 所以对 人口、工农业总产值、 GDP和客运量 以年份作为回归变量建立一元线形回归模型。 （ 2）回归模型的建立 借助数据分析建立各模型如下： 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 7 对人口进行性一元线性回归： Y X 预测值 残差 预测区间下限 预测区间上限 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 2020 一元线性回归分析 数据 回归系数置信水平 统计量 变量 数据个数 均值 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 8 自变量 11 2020 因变量 11 回归统计量 回归平方和 误差平方和 X平方和 110 回归系数 R 回归系数 R平方 调整了的 R平方 标准误差 截距 斜率 回归方程 Y=+ 对 GDP 进行一元线性回归： 模型如下： Y X 预测值 残差 预测区间下限 预测区间上限 2020 2020 2020 2020 2020 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 9 2020 2020 2020 2020 2020 2020 一元线性回归分析 数据 回归系数置信水平 统计量 变量 数据个数 均值 自变量 11 2020 因变量 11 回归统计量 回归平方和 误差平方和 X平方和 110 回归系数 R 回归系数 R平方 调整了的 R平方 标准误差 截距 斜率 回归方程 Y=+ 对客运量进行一元线性回归分析： 模型如下： 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 10 Y X Y39。 =Y X39。 =Ln(X) 预测值 残差 预测区间下限 预测区间上限 4085 2020 4085 3967 118 4410 2020 4410 4795 2020 4795 5263 2020 5263 5803 2020 5803 6237 2020 6237 6684 2020 6684 7176 2020 7176 7658 2020 7658 8075 2020 8075 8510 2020 8510 一元对数回归分析 数据 回归系数置信水平 统计量 变量 数据个数 均值 自变量 11 2020 因变量 11 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 11 LinEst函数的输出 回归系数 标准误差 R平方 /标准误差 F统计量 /自由度 平方和 斜率 截距 9 回归统计量 回归平方和 剩余平方和 总平方和 相关指数平方 相关指数 调整了的相关指数平方 剩余标准误差 截距 斜率 调整截距 调整斜率 回归方程 Y=+(X) （ 3）根据以上各模型预测其相应值如下表： 年份 总人口（万人） GDP（亿元） 客运量（万人） 人口预测值（万人） GDP 预测值 预测客运量 2020 3756 72 2020 4085 2020 4410 2020 4795 2020 5263 2020 5803 2020 6237 2020 6684 2020 7176 2020 7658 2020 8075 2020 8510 2020 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 12 2020 2020 2020 2020 2017 2018 2019 2020 2021 2022 指数平滑法 指数平滑法认为，对象指标未来的发展与它过去和现今的状况密切相关，故可以用它的历史数据预测它的未来值。 在用预测对象指标的历史数据进行预测时，对各个时间阶段的数据并不等同看待，而是赋予近期数据较大的权值。 对本例运用三次指数平滑法。 ① 三次指数平滑的模型为： 2t L t t tY a b L c L    式中： LtY —— 预测目标； t—— 时间序列； L—— 未来的单位时间 段； ta 、 tb 、 tc —— 平滑系数； ② 平滑系数的确定： )3()2()1( 33 tttt SSSa  ； ])34()45(2)56[()1(2 )3()2()1(2 tttt SSSb   ； )2()1(2 )3()2()1(22 tttt SSSc   ； )3(tS ──第 t周期的三次指数平滑值； )2(tS ──第 t周期的二次 指数平滑值； )1(tS ──第 t周期的一次指数平滑值； 交通枢纽与港站课程设计 云浮市汽车客运西站 平面布局 设计 13  ──平滑系数 (0 1)，  一般取。 ③平滑公式： (1 ) (1 )1(1 )t t tS X S   ； ( 2 ) (1 ) ( 2 )1(1 )t t tS S S   ； ( 3 ) ( 2 ) ( 3 )1(1 )t t tS S S   ； 式中： tX 是对象指标第 t期的观测值； ④初值的确定 二次指数平滑法是对一次指数平滑值再进行一次平滑，三次指数平滑是对二次指数平滑值再进行的一次平滑。 2 ( 1 )1 2 0( 1 ) ( 1 ) .. .. .. ( 1 ) tt t t tS X X X S            ； 递推公式表明，预测值的期数离 t越近，权重就越大。 上式的最后一项 S0(1)叫“初值”，一般可取 1000 )1()2()3( XSSS  ，或 3 321)1(0 XXXS 。 三次指数平滑计算过程： （ 1）平滑系数的确定 通过对ɑ =， ， ， ， 时的三次指数平 滑预测值与实际 客运量值的对比分析，结合云浮市 公路旅客运输的发展状况与全国公路旅客运输的发展形势，选取误差较小，数值合乎假设的ɑ =。 （ 2）指数平滑模型的建立 确定了平滑系数ɑ =，计算得到第 t周期的一次平滑值 St(1)、二次平滑值 St(2)，三次平滑值 St(3)，可进而求得一次指数平滑系数 ta ,二次指数平滑系数 tb ,三次指数平滑系数 tc ,进而得到各年度的公路客运量预测值。 （ 2）预测精度分析 预测精度是指预测模型拟合好坏的程度，即由预测模型所得出的预测值与历史实际值拟合程度的优劣。 一般认为，若平均绝对百分误差 MAPE 小于 10，则模型预测精度较高。 通过数据分析可得： 交通枢纽与港站课程设计 云浮市汽车客运西。