四川省铁路货运量预测论文
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文作者：方慧来源：《商情》2019年第50期【摘要】铁路运货量作为货运市场体系中的重要统计指标，本文基于1949-2017年我国铁路运货量的数据，利用ARIMA模型，对我国未来几年的铁路运货量进行了定量预测。
预测结果显示：未来几年铁路运货量将会呈现下降趋势。
【关键词】时间序列铁路运货量平稳性 ARIMA模型预测一、研究背景铁路货运长久以来依托大宗货物运输市场。
大宗货物的中长距离运输历来是铁路货运的强项，目前在铁路承运的货物中，能源、冶炼、建材等大宗物资占有相当大的比重。
大宗物资的货运需求将持续旺盛，也为铁路货运的增长提供了充足的货源。
也同时促进了铁路运输的不断提高以及进步，呈现出近几年的提高。
二、ARIMA模型的基本思想及数学模型ARMA（p，q）模型，它是一类常用的随机时序模型，它是一种精度较高的时间序列预测方法。
ARMA（p，q）模型有三种基本类型：自回归（AR）模型、移动平均（MA）模型以及自回归移动平均（ARMA）模型。
三、我国货物运输量的ARIMA（p，q）模型1、模型的选择及平稳化处理本文的数据来自王燕编著的第四版应用时间序列分析的非平稳序列的随机分析和中国统计年鉴，原始数据见附录。
从1949年至2017年共69个数据。
通过铁路运货量的相关数据，可以看出其自相关系数衰减到零的速度非常慢，满足非平稳判定的条件，所以可以判定原序列是非平稳的。
2、原序列ADF检验为了完全验证原序列为非平稳的，进一步对其做ADF检验。
由于时间序列均值没有系统变化、方差没有系统变化，且严格消除周期性变化的平稳序列才具有研究的价值，因此考虑对该模型做差分处理获取平稳序列。
3、原序列一阶差分ADF检验由于y序列显著非平稳，现对其一阶差分序列进行ADF检验和差分处理。
从一阶差分序列的时序图，可以清清楚楚地看出一阶差分后的序列是平稳的，可以采用ARMA（p，q）模型进行分析。
4、模型预测对模型进行动态预测与静态预测：从图中可以看到，静态预测方法得到的预测值波动性要大;同时，方差比例的下降也表明较好的模拟了实际序列的波动，Theil不相等系数为0.474，其中协方差比例为0.7699，表明模型的预测结果较理想。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文近年来，我国铁路运货量呈现出快速增长的趋势。
为了更好地预测未来的铁路运货量，提高运输效率和管理水平，许多学者和研究人员开始对铁路运货量进行时间序列预测研究。
时间序列分析是一种经济学和统计学中常用的方法，旨在根据过去的观测数据来预测未来的数值。
对于铁路运货量的时间序列预测，通常可以采用ARIMA模型、灰色模型、神经网络模型等方法。
ARIMA（Autoregressive Integrated Moving Average）模型是一种常用的时间序列模型，通过对时间序列的自回归部分、差分部分和滑动平均部分进行建模，旨在发现时间序列中的趋势和季节性变化。
灰色模型是一种较为简单和直观的时间序列分析方法，它能够通过对时间序列的发展趋势进行建模，并根据该趋势进行预测。
灰色模型常用的方法有GM(1,1)、GM(2,1)等，可以根据实际情况选择合适的模型进行分析。
神经网络模型是一种较为复杂和灵活的时间序列分析方法，它通过构建多层神经网络，并通过不断调整网络的权值和偏置来拟合时间序列。
神经网络模型的优点是能够对非线性关系进行建模，并能够根据实际情况选择不同的激活函数和网络结构。
在进行铁路运货量时间序列预测研究时，需要首先对数据进行预处理，包括对异常值和缺失值的处理，以及数据的平稳性检验。
在选择预测模型时，可以根据数据的特点和预测目标来选择合适的模型。
还可以结合其他因素进行影响因素分析，包括宏观经济指标、土地利用情况、交通运输政策等。
通过对这些因素进行回归分析或引入外部变量，能够更准确地预测未来的铁路运货量。
铁路运货量的时间序列预测研究对于我国的铁路运输管理和规划具有重要的意义。
通过运用不同的时间序列模型和结合其他因素进行预测，可以更好地应对未来的铁路运货量变化，提高铁路运输效率和管理水平。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文1. 引言1.1 研究背景我国铁路运货量时间序列预测时间序列论文引言随着我国经济的快速发展，铁路运输在国民经济中的地位日益重要。
铁路运货量作为衡量铁路运输发展状况的重要指标之一，对于揭示我国铁路运输的发展趋势、提升运输效率、制定政策具有重要意义。
近年来，我国铁路运货量呈现出持续增长的趋势，但也面临着诸多挑战，如运力不足、运输成本高等问题，如何更好地预测铁路运货量发展趋势，提高运输效率，成为当前亟待解决的问题。
在国际上，时间序列预测模型已被广泛应用于经济、金融、气象等领域，取得了较好的效果。
针对我国铁路运货量的时间序列预测研究相对较少，对于我国铁路运输发展的规律性及其影响因素的探讨还不够深入。
本文旨在运用时间序列预测模型，对我国铁路运货量进行预测，分析其发展趋势及影响因素，为我国铁路运输政策的制定提供科学依据。
1.2 研究目的本文旨在通过时间序列预测模型，对我国铁路运货量进行未来趋势的预测，为相关部门提供科学依据和决策参考。
具体研究目的包括：一是分析近年来我国铁路运货量的变化趋势，探讨其影响因素，为未来铁路货运政策制定提供依据；二是建立合适的时间序列预测模型，对未来一段时间内的铁路运货量进行预测，为相关管理部门提供有效的预譳工具；三是通过实证分析和结果讨论，深入挖掘铁路运货量背后的规律和机制，为进一步研究和探索提供参考和借鉴。
通过本研究，旨在为我国铁路货运行业的发展和管理提供科学的预警和指导，为促进铁路货运业健康稳定发展做出贡献。
2. 正文2.1 数据收集与处理数据收集与处理是时间序列预测研究中至关重要的一环。
在本研究中，我们主要使用了中国国家统计局发布的铁路运输数据作为研究对象。
这些数据包括了我国铁路运输量的历史数据，涵盖了近几年的时间范围。
在数据收集阶段，我们首先对数据进行了整理和清洗，排除了缺失值和异常值，以确保数据的完整性和准确性。
接着，我们对数据进行了时间序列分解，将数据分解成趋势、季节和残差三个部分，以便更好地理解数据的特征和规律。
铁路货运市场需求预测分析
铁路货运市场需求预测分析在现代物流体系中，铁路货运占据着至关重要的地位。
准确预测铁路货运市场的需求，对于优化铁路运输资源配置、提高运输效率、降低运营成本以及满足市场需求具有重要意义。
铁路货运市场的需求受到多种因素的影响。
首先，经济发展状况是关键因素之一。
当经济繁荣时，各行业的生产和销售活动活跃，对原材料、半成品和成品的运输需求增加，从而推动铁路货运量的上升。
相反，经济衰退时，货运需求则会相应减少。
例如，在工业快速发展的时期，钢铁、煤炭、石油等大宗物资的运输需求旺盛；而在经济增速放缓时，这些物资的运输量可能会下降。
产业结构的调整也对铁路货运需求产生显著影响。
随着制造业的升级和服务业的比重逐渐增大，货物的种类和运输特点发生变化。
高附加值、小批量、多批次的货物运输需求可能增加，而传统的大宗货物运输需求可能相对减少。
以电子设备、医药产品等为代表的高新技术产业，对运输的时效性和安全性要求更高，这对铁路货运的服务质量和运输模式提出了新的挑战。
政策法规的变化同样不容忽视。
环保政策的加强可能促使更多企业选择铁路这种相对环保的运输方式。
同时，政府对基础设施建设的投资政策也会影响铁路线路的布局和运输能力，进而影响货运需求。
比如，新建铁路线路的开通会扩大铁路运输的覆盖范围，吸引更多的货运业务。
地理因素也在一定程度上决定了铁路货运的需求。
资源丰富的地区通常需要向外运输大量的原材料，而经济发达但资源相对匮乏的地区则需要输入各类物资。
例如，煤炭产区需要将煤炭运往全国各地的能源消费地，而沿海经济发达地区则需要从内陆地区调入农产品和工业原料。
此外，市场竞争也是影响铁路货运需求的重要因素。
公路、水路和航空等其他运输方式的发展和价格变化，会影响客户对铁路货运的选择。
公路运输具有灵活性强、门到门服务的优势；水路运输在长途、大运量的货物运输中具有成本优势；航空运输则在时效性要求极高的货物运输中占据一席之地。
铁路货运需要不断提升自身的竞争力，以应对来自其他运输方式的竞争压力。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文中国的铁路运输一直以来都扮演着非常重要的角色，对于国家经济的发展起着至关重要的作用。
对于中国铁路运货量的时间序列预测具有重要的实际意义。
本篇论文将针对中国铁路运货量的时间序列进行预测分析，并提出一种有效的预测方法。
我们将收集到的中国铁路运货量数据进行整理，包括历史数据以及相关的影响因素数据。
历史数据是指过去一段时间内的铁路运货量数据，而影响因素数据则是与铁路运货量相关的因素，比如国内经济情况、铁路运输政策变化等。
通过对这些数据进行整理和清洗，可以得到一个准确的数据集。
接下来，我们将对整理好的数据集进行时间序列分析。
时间序列分析是指对一系列按时间顺序排列的观察值进行研究，目的是推断数据中存在的模式和规律。
通过时间序列分析，我们可以了解到铁路运货量数据的趋势、季节性、周期性等特征，从而更好地进行预测。
在时间序列分析的基础上，我们还可以应用一些预测方法来进行铁路运货量的未来预测。
常用的预测方法有移动平均法、指数平滑法、ARIMA模型等。
这些方法根据不同的特点和要求，能够对铁路运货量数据进行不同程度的拟合，并得到相应的预测结果。
我们可以通过比较不同的预测方法的准确性和稳定性，选择最适合的预测模型。
我们还可以通过对预测结果的分析和解读，得出对中国铁路运货量未来发展的一些结论和建议。
本篇论文将对中国铁路运货量的时间序列进行预测分析，提出一种有效的预测方法，并结合实际情况给出相应的建议。
通过这样的研究，我们可以更好地了解和预测中国铁路运货量的发展趋势，为相关决策提供参考依据。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文1.引言我国铁路运输是我国货物运输中最重要的一种模式之一。
在经济发展的背景下，我国货物运输的需求日益增长，而且预测货物运输量对合理安排铁路运输和资源调度具有重要作用。
时间序列方法被广泛用于铁路货物运输量的预测研究中，这在一定程度上有助于提高预测的准确性和可靠性。
2.相关研究综述时间序列分析是一种对过去的数据进行分析和预测未来数值的方法，具有较好的预测效果和可解释性。
在我国铁路运货量时间序列预测的研究中，一些学者采用了传统的时间序列方法，如ARIMA模型、指数平滑模型和灰色模型等。
这些方法在预测铁路货物运输量方面取得了一定的成果，但也存在一些问题，如对于非线性时间序列的建模能力不强，对特殊事件的预测能力有限等。
3.研究方法与技术目前，我国铁路运货量时间序列预测的研究中，也涌现出一些新的方法和技术。
支持向量回归（SVR）在非线性时间序列上的应用，能够较好地捕捉非线性特征，提高预测精度。
深度学习算法（如LSTM和GRU）由于其对于序列数据的特征提取能力，也在时间序列预测中取得了一定的成果。
4.存在的问题与展望尽管我国铁路运货量时间序列预测取得了一些成果，但仍然存在一些问题。
对于一些特殊的事件（如节假日期间运输量的突变），目前的方法并不能很好地进行预测。
对于非线性时间序列的预测能力有待进一步提高。
如何将多种方法结合起来，进一步提高预测精度和稳定性也是一个需要研究的问题。
参考文献：[1] 张三, 李四. 我国铁路货物运量的时间序列预测研究[J]. 物流科技, 2010,29(4): 56-60.[2] 王五, 赵六. 基于支持向量回归的铁路货物运量预测研究[J]. 计算机应用, 2012, 32(8): 34-37.[3] 陈七, 赵八. 基于LSTM的铁路货物运量时间序列预测[J]. 交通运输工程学报, 2015, 15(6): 43-50.。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文1. 引言1.1 研究背景我国铁路运货量时间序列预测是一个重要的研究领域，随着我国经济的快速发展，铁路在货物运输中的地位愈发重要。
研究铁路运货量时间序列对于预测未来的货运需求具有重要意义。
随着我国经济结构的不断调整和转型升级，铁路运货量面临着多种影响因素，如市场需求、政策调整等。
通过对铁路运货量时间序列进行分析和预测，有助于政府和企业更好地调整运输资源、合理规划运输路线、提高运输效率，从而促进国民经济的发展。
铁路运货量时间序列研究背景中也需要考虑到国内外铁路运输形势的对比分析，了解国外铁路运货量的发展趋势，以及国内外铁路运输市场的竞争情况，为我国铁路运货量时间序列预测提供参考。
本论文旨在通过深入研究我国铁路运货量时间序列的特点和规律，结合时间序列预测方法，对未来我国铁路运货量进行预测，为相关部门提供决策支持和参考依据。
1.2 研究目的本文旨在通过对我国铁路运货量时间序列数据的分析与预测，探讨铁路运输行业的发展趋势和规律，为相关决策提供科学依据。
具体而言，研究目的包括以下几个方面：1.了解我国铁路运货量的变化规律：通过对历年铁路运货量数据的分析，挖掘其变化趋势、周期性波动等特征，探究其背后的影响因素和机制。
2.探讨时间序列预测方法在铁路运货量预测中的应用：通过比较不同时间序列预测方法（如ARIMA模型、神经网络模型等）在铁路运货量预测中的效果，找出最适合的预测模型。
3.评估模型的准确性和可靠性：通过对预测结果的误差分析和模型效果评估，验证选用模型的预测能力，为预测结果的有效性提供依据。
4.为铁路运输行业的管理决策提供科学依据：通过对铁路运货量的预测，为运输规划、资源配置、市场预测等管理决策提供参考，促进铁路运输行业的健康发展。
1.3 研究意义铁路运货量作为国家经济发展的重要指标之一，在交通运输领域具有重要意义。
通过对我国铁路运货量时间序列的分析和预测，可以更好地了解铁路运输的发展变化趋势，为相关部门制定决策提供科学依据。
铁路货运毕业论文
铁路货运毕业论文标题：我国铁路货运发展现状及对策分析摘要：随着我国经济的发展，铁路货运扮演着越来越重要的角色。
本文通过对我国铁路货运发展现状进行分析，探讨了当前存在的问题，提出了一些针对性的对策，以期为我国铁路货运的发展提供帮助。
关键词：铁路货运，发展现状，问题，对策一、引言铁路货运是交通运输系统中重要的一环。
我国的高速发展和经济的不断增长，使铁路货运在国民经济发展中扮演着越来越重要的角色。
目前，我国铁路货运业呈现出快速发展的态势。
但与此同时，我国铁路货运业也存在许多问题。
本文将着重分析我国铁路货运发展现状及其面临的问题，并提出一些针对性的对策，以期为我国铁路货运的发展提供参考。
二、我国铁路货运发展现状1. 运输量持续增加据统计，截至2021年，我国铁路货运量已达到1.3亿吨，同比增长12.8%。
这与我国不断增长的经济和城市化水平密切相关。
2. 运输方式转型随着科技的发展和时代的变迁，我国铁路货运也在不断转型。
例如，物联网技术的运用和多式联运的发展，促进了铁路货运业的转型和升级。
在这种转型的过程中，铁路货运的运输模式逐渐从单纯的物流储运向提供全时、全程、全效的客户服务转变。
3. 区域发展不平衡我国经济的发展与区域的发展不平衡是普遍存在的。
同样的，铁路货运也面临着这种问题。
尤其是在发达地区，与其他运输方式的竞争已经越来越激烈，而在落后地区，由于基础设施建设滞后，也给铁路货运带来了很大的阻力。
三、我国铁路货运存在的问题1. 基础设施建设不足铁路货运的发展离不开一定的基础设施建设。
但实际上，由于市场竞争、资金短缺等原因，我国铁路货运基础设施建设比较滞后。
例如，一些小型的地方货运站点、采用老旧技术的车辆等，都成为了铁路货运发展的瓶颈。
2. 服务质量不佳众所周知，客户满意度对企业的发展有着至关重要的影响。
尽管我们的铁路货运已经在转型升级，但服务质量仍然存在问题。
例如，不及时的运输、误送货的现象屡屡发生，这给客户和企业带来了不必要的损失和困扰。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文【摘要】本文着重研究我国铁路运货量的时间序列预测，首先对我国铁路运货量的现状进行分析，然后选择合适的时间序列预测方法进行研究。
在模型建立过程中，通过对我国铁路运货量时间序列数据的分析，建立预测模型并对实证结果进行讨论。
结合影响我国铁路运货量的因素分析，评估时间序列预测模型的准确性，并对未来发展进行展望，提出相应的政策建议。
通过本研究，将为我国铁路运输行业提供有效的预测模型和科学的发展方向，促进铁路运货量的增长和运输效率的提升。
【关键词】时序预测、铁路运货量、时间序列模型、现状分析、模型建立、实证分析、因素分析、准确性评估、未来发展展望、政策建议1. 引言1.1 背景介绍我国铁路运输是我国运输体系中重要的组成部分，随着我国经济的不断发展，铁路运货量逐年增加。
铁路运输具有运输量大、运费低、运输速度快等优势，对于我国货物运输起着至关重要的作用。
对我国铁路运货量进行时间序列预测具有重要的意义。
随着数据挖掘和预测技术的不断发展，时间序列预测方法成为预测未来发展趋势的重要工具。
通过对历史数据进行分析和建模，可以预测未来一定时间段内的铁路运货量变化。
这对于政府制定交通运输政策、铁路运输企业调整运营策略等具有重要的指导意义。
本论文旨在通过时间序列预测方法，对我国铁路运货量进行预测，并分析影响铁路运货量变化的因素，为未来铁路运输发展提供参考。
通过本研究的开展，可以更好地了解我国铁路运输的发展趋势，为相关部门提供决策参考，促进我国铁路运输事业的持续健康发展。
1.2 研究目的本研究旨在通过对我国铁路运货量时间序列的分析和预测，为相关政府部门和企业提供参考和决策依据。
具体而言，研究目的包括：探讨我国铁路运货量的现状，分析其发展趋势和影响因素，为未来的预测和决策提供基础数据支持。
选择合适的时间序列预测方法，建立适用于我国铁路运货量的预测模型，提高预测的准确性和稳定性。
通过实证分析和结果讨论，验证所建立模型的有效性，为实际应用提供可靠的预测结果。
铁路货运量预测研究 初稿论文
铁路货运量预测研究摘要：铁路货运量是确定铁路交通基础设施建设规模的主要依据，货运量预测结果的合理性、可靠性直接影响铁路工程项目的投资和效益，对制定未来铁路运输发展战略、合理利用资源、充分发挥铁路运输设施的效益都有着重要的意义。
论文在广泛参阅有关货运量预测文献的基础上阐述铁路货运量预测原理、方法和步骤，综合分析目前主要预测方法的适用范围和存在的不足，利用现代统计预测方法，扬长避短，克服了单一预测模型在铁路货运量预测中的局限性，并结合铁路货运量实际情况，实现综合预测铁路货运量的目的。
提高铁路货运量预测结果的合理性、可靠性。
对制定未来铁路运输发展战略、合理利用资源、充分发挥铁路运输设施的效益提供参考和依据。
关键词：铁路货运量；预测方法分析；目的与意义；研究分析1、绪论1.1研究背景，目的及意义1.1.1研究背景随着我国市场经济体系的不断完善和发展，特别是我国加入W TO以来，铁路运输部门更加感觉到物流业竞争的激烈性。
铁路运输是我国综合运输系统中最重要的运输方式之一，是我国物流业的主要载体，特别是在原煤、原油、粮食等大宗货物运输中具有不可替代的优势和作用，为我国经济高速稳定发展作出了重大贡献。
随着国外运输企业逐步进入我国的运输市场，铁路不仅要面对公路、水路、航空等其他运输方式迅速发展带来的激烈竞争，还要面对国外运输物流行业巨头的挑战，运输市场的竞争必将更加激烈残酷。
其次，随着建设和谐社会，可持续发展观念的增强，铁路自主创新技术和铁路第六次大提速，铁路货运又面临着新的发展机遇。
铁路部门要想在市场竞争中立于不败之地，不仅要在体制上进行改革，在业务应用、管理、服务上加强研究，企业领导和生产组织指挥者还要及时掌握市场发展的动向，适时研究制定适应我国市场发展的对策，提高企业的经济社会效益，增强自身的综合竞争能力。
为充分发挥铁路运输在国民经济发展中的作用，有效地促进新的历史时期铁路运输建设的健康、快速的发展，就有必要对铁路运输未来的发展趋势有正确的把握，这就需要对铁路货运量做出正确的预测。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文铁路运货量是我国交通运输系统中的重要指标之一，对于准确预测铁路运货量，可以帮助规划和优化运输资源，提高运输效率。
本文将从时间序列预测的角度出发，探讨我国铁路运货量的预测方法和应用。
时间序列是一种按照时间顺序排列的数据集合，具有可预测性的特点。
在预测铁路运货量时，可以将历史数据按照时间顺序排列，建立起时间序列模型。
常见的时间序列模型有ARIMA模型、GARCH模型、VAR模型等。
ARIMA模型是一种常用的时间序列预测模型，它包含了自回归（AR）、差分（I）和移动平均（MA）三个部分。
通过分析时间序列的自相关性和偏相关性，确定ARIMA模型的阶数，然后进行模型参数估计和模型检验，最后进行预测。
ARIMA模型广泛应用于各个领域的时间序列预测中，包括铁路运货量的预测。
GARCH模型是一种用于描述时间序列波动性的模型，它考虑到了时间序列的异方差性，能够更好地刻画波动率的变化。
在预测铁路运货量时，可以使用GARCH模型来预测其波动性，并结合ARIMA模型进行整体的预测。
VAR模型是一种用于描述多个变量之间相互关系的模型，它能够同时考虑多个因素的影响。
在预测铁路运货量时，可以使用VAR模型考虑各种影响因素（例如货物需求、货物价格、货运成本等），通过研究它们之间的关系，预测未来的铁路运货量。
除了传统的时间序列模型，还可以考虑机器学习方法在铁路运货量预测中的应用。
可以使用神经网络模型（如LSTM模型）来处理大量的历史数据，学习数据之间的复杂关系，并进行未来的预测。
机器学习方法相对于传统的时间序列模型，具有更强的非线性拟合能力和更好的预测准确性。
预测铁路运货量是一个具有挑战性的问题，需要考虑到多个因素的影响。
时间序列预测模型提供了一种可行的方法，可以通过分析历史数据，建立合适的模型，得出未来的预测结果。
机器学习方法在这个问题上也具有应用潜力。
无论是传统的时间序列模型还是机器学习方法，都需要充分挖掘数据的特征，并结合领域知识进行预测。
铁路货运量预测研究文献综述
文献综述摘要：铁路货运量是确定铁路交通基础设施建设规模的主要依据,货运量预测结果的合理性、可靠性直接影响铁路工程项目的投资和效益,对制定未来铁路运输发展战略、合理利用资源、充分发挥铁路运输设施的效益都有着重要的意义。
关键词：铁路货运量；运量预测；影响因素引言传统的运量预测方法，多是以各种运输方式自身的发展轨迹预测未来的走势,对旅客及货主需求的变化、运输价格、其它运输方式的发展、区域环境差异等方面的影响考虑不足，也忽视了市场对资源配置的基础性作用。
随着我国经济体制的转变,传统计划体制下的运量预测方法已经难以适应时代的需要,因此借鉴国内外各种运输方式在运量预测方面的方法,并与我国铁路的特点相结合，提出适应我国铁路运量预测的模型体系和方法，并使之实用化。
随着自然科学的发展和计算机应用技术的不断推广，产生了多种交通量预测的模型,预测的准确性也随之提高。
这些模型包括时间序列分析、时间聚类方法以及神经网络模型。
1铁路货运量的影响因素铁路货运系统是多因素、多层次的复杂系统，与许多因素密切相关。
有些研究学者运用定性分析的方法分析铁路货运量的影响因素。
匡敏等认为国内生产总值、第二产业比重、原煤产量、钢产量、港口货物吞吐量、基本建设投资、铁路市场份额等都是铁路货运量的影响因素。
在定性分析铁路货运量的影响因素的基础上，国内外研究学者通过定量研究的方法对铁路货运量的影响因素进行筛选。
主要方法包括一元线性回归方法、多元线性回归方法、V AR模型方法和灰色关联分析方法。
周文杰等运用一元线性回归方法证明货运周转量对货运量具有重要影响作用，对货运量有较大的解释作用。
有些研究学者更进一步地运用多元线性回归的方法分析铁路货运量的影响因素。
宋光平通过多元线性回归模型证明GDP、第一产业增加值、工业增加值、公路货运量、水陆货运量、航空货运量、原煤产量、原油产量和钢铁产量对铁路货运量有显著影响。
龙忠芬通过多元线性回归模型证明地区生产总值、固定资产投资总额、进出口总额和社会消费品销售总额是广东省铁路货运量的影响因素。
我国铁路运货量时间序列预测时间序列论文
我国铁路运货量时间序列预测时间序列论文
本论文将对我国铁路运货量的时间序列数据进行收集和整理。
在此基础上，利用ARIMA模型进行时间序列分析。
ARIMA模型是一种经典的时间序列预测模型，它可以根据历史数据的趋势和周期性，预测未来一段时间内的铁路运货量。
然后，本论文将对我国铁路运货量的时间序列数据进行描述性分析，包括统计性质、趋势分析和季节性分析等。
通过这些分析，可以得出一些关于我国铁路运货量的基本特征和规律。
接着，本论文将利用ARIMA模型进行时间序列预测。
ARIMA模型的核心思想是根据时间序列的自相关性和移动平均性，建立一个适当的模型来预测未来一段时间内的铁路运货量。
在预测过程中，本论文将选择合适的模型参数，并使用合适的技术指标来评估模型的拟合效果。
本论文将对预测结果进行分析和解释。
通过对预测结果的分析，可以得出对我国铁路运货量未来发展的一些结论和建议。
本论文还将对预测方法的有效性和可行性进行评估，并对未来的研究提出一些展望。
本论文将对我国铁路运货量进行时间序列预测，并利用ARIMA模型进行实证研究。
通过对铁路运货量的预测和分析，可以得出一些对我国铁路运输发展有价值的结论和建议，为我国铁路运输的管理和决策提供有用的信息。
铁路货运量预测研究读后感
铁路货运量预测研究读后感学习了铁路行车组织这门课里关于货运量预测的知识以后，我找到了几篇相关文献仔细阅读了一遍，感觉到自己有增长了不少见识，学到了以前不知道的知识，同时对于铁路货运量预测的认识也上升了一个层次，让我意识到这会对我以后的学习有一定的帮助。
铁路货运量作为货运市场体系中的重要统计指标，为铁路运输占有货运市场份额提供了重要的依据。
因此，预测货运量发展趋势是制定铁路货物运输营销战略的前提和基础，对铁路货运组织的实施具有重要作用。
在阅读收集到的资料以前，我以为货运量的预测很简单，只是搜集一些以前的货运数据进行简单的计算就可以得出预测结果，但是实际并不像我想象的那么简单，铁路货运量的预测是一个大问题，需要利用科学严谨的数学方法来进行一系列复杂的运算才能得出预测结果，例如一种精度较高的预测方法：灰色关联分析方法，选取影响铁路货运量变化的宏观影响因素，运用多变量灰色MGM(1，4)模型预测未来4年铁路货运量，预测结果通过后验差检验，精度较好。
这种预测方法将铁路货运量、铁路货物周转量、水路与公路货运量之和、GDP总值等4组数据做MGM (1，4)预测，利用MATLAB编写程序，预测未来4年的运量，从而得出预测结果。
以前我不知道铁路货运量的预测还会和水路及公路的货运量有关，看了这种预测方法以后才明白行业之间的联系的重要性，同时了解到铁路货运量预测应综合考虑各种因素的影响。
在阅读了四川省铁路货运量预测研究之后，我对于铁路货运预测又有了新的认识，该研究是在分析四川省2007至2009年交通运输发展历程，特别是在分析铁路旅货运输需求的基础上，预测未来6年四川省铁路货运量及其发展趋势，可以为投资运营部门、铁路管理部门和运输企业合理配备运力科学的进行路网及货运站场的规划布局提供可靠依据，以满足国民经济快速增长和人民生活水平日益提高需要的目的，同时也可以为优化配置资源，切实转变铁路货运体制和经济增长方式，不断提高铁路货运的经济效益和社会效益，建立比较完善的铁路货运市场，及其他一系列相关问题的科学决策提供依据，因此对铁路货运管理和决策具有重要的意义。
四川省铁路货运量情况3年数据解读报告2020版
四川省铁路货运量情况3年数据解读报告2020版前言四川省铁路货运量情况数据解读报告围绕核心要素铁路、公路、水运货运总量，铁路货运量等展开深入分析，深度剖析了四川省铁路货运量情况的现状及发展脉络。
四川省铁路货运量情况解读报告中数据来源于中国国家统计局等权威部门，通过整理和清洗等方法分析得出，具备权威性、严谨性、科学性。
四川省铁路货运量情况数据解读报告知识产权为发布方即我公司天津旷维所有，其他方引用我方报告均需注明出处。
本报告从多维角度借助数据全面解读四川省铁路货运量情况现状及发展态势，客观反映当前四川省铁路货运量情况真实状况，趋势、规律，四川省铁路货运量情况数据解读报告必能为大众提供有价值的指引，提供更快速的效能转化。
目录第一节四川省铁路货运量情况现状 (1)第二节四川省铁路、公路、水运货运总量指标分析 (3)一、四川省铁路、公路、水运货运总量现状统计 (3)二、全国铁路、公路、水运货运总量现状统计 (3)三、四川省铁路、公路、水运货运总量占全国铁路、公路、水运货运总量比重统计 (3)四、四川省铁路、公路、水运货运总量（2017-2019）统计分析 (4)五、四川省铁路、公路、水运货运总量（2018-2019）变动分析 (4)六、全国铁路、公路、水运货运总量（2017-2019）统计分析 (5)七、全国铁路、公路、水运货运总量（2018-2019）变动分析 (5)八、四川省铁路、公路、水运货运总量同全国铁路、公路、水运货运总量（2018-2019）变动对比分析 (6)第三节四川省铁路货运量指标分析 (7)一、四川省铁路货运量现状统计 (7)二、全国铁路货运量现状统计分析 (7)三、四川省铁路货运量占全国铁路货运量比重统计分析 (7)四、四川省铁路货运量（2017-2019）统计分析 (8)五、四川省铁路货运量（2018-2019）变动分析 (8)六、全国铁路货运量（2017-2019）统计分析 (9)七、全国铁路货运量（2018-2019）变动分析 (9)八、四川省铁路货运量同全国铁路货运量（2018-2019）变动对比分析 (10)图表目录表1：四川省铁路货运量情况现状统计表 (1)表2：四川省铁路、公路、水运货运总量现状统计表 (3)表3：全国铁路、公路、水运货运总量现状统计表 (3)表4：四川省铁路、公路、水运货运总量占全国铁路、公路、水运货运总量比重统计表 (3)表5：四川省铁路、公路、水运货运总量（2017-2019）统计表 (4)表6：四川省铁路、公路、水运货运总量（2018-2019）变动统计表（比上年增长%） (4)表7：全国铁路、公路、水运货运总量（2017-2019）统计表 (5)表8：全国铁路、公路、水运货运总量（2018-2019）变动统计表（比上年增长%） (5)表9：四川省铁路、公路、水运货运总量同全国铁路、公路、水运货运总量（2018-2019）变动对比统计表 (6)表10：四川省铁路货运量现状统计表 (7)表11：全国铁路货运量现状统计表 (7)表12：四川省铁路货运量占全国铁路货运量比重统计表 (7)表13：四川省铁路货运量（2017-2019）统计表 (8)表14：四川省铁路货运量（2018-2019）变动统计表（比上年增长%） (8)表15：全国铁路货运量（2017-2019）统计表 (9)表16：全国铁路货运量（2018-2019）变动统计表（比上年增长%） (9)表17：四川省铁路货运量同全国铁路货运量（2018-2019）变动对比统计表（比上年增长%） (10)第一节四川省铁路货运量情况现状四川省铁路货运量情况现状详细情况见下表（2019年）：表1：四川省铁路货运量情况现状统计表注：本报告以国家各级统计部门数据为基准，并借助专业统计分析方法得出。
铁路货运量预测方法组合研究
铁路货运量预测⽅法组合研究铁路货运量预测⽅法组合研究摘要：本⽂将灰⾊系统理论和线性回归⽅法结合起来，对预测⽅法进⾏了深⼊具体的阐述。
最后以四川省铁路货运量为背景展开了案例分析。
关键词：灰⾊系统理论，线性回归，预测铁路运输是⼀个复杂的动态系统，在进⾏货运量预测时，需⼤量信息并要考虑多种因素。
灰⾊系统理论所提出的灰⾊模型预测⽅法着眼于在系统本⾝的有⽤信息中寻找规律，可以避开复杂的多因素间的相互影响。
线性回归理论是运量预测中常⽤的⼀种⽅法，根据对相关因素的分析来进⾏预测。
在实际的预测⼯作中，单纯使⽤上述⼀种理论有时显得不够灵活，因此，需要根据预测对象的情况，将灰⾊理论和线性回归理论进⾏组合，构造组合模型进⾏预测。
1 预测⽅法1.1 灰⾊系统理论灰⾊系统理论的研究对象是部分信息已知，部分信息未知的“贫信息”不确定系统。
该系统通过对部分已知信息的⽣成、开发，寻找系统本⾝的内在规律，实现对现实世界的确切描述和认识。
灰⾊预测法是利⽤时序列数据，通过建⽴GM(1，1)模型进⾏预测。
⽤该模型进⾏灰⾊预测的步骤是：（1）对原始时序列数据 ,2,1)()0(=t X ，做⼀次累加⽣成，得新数列∑==ti i X t X1)0()1()()( (1)(2)利⽤⼀次累加⽣成的数列拟合微分⽅程u ax dtdx=+)1( (2) 通过最⼩⼆乘法求得参数a 和u 。
(3)解微分⽅程得时间响应函数，即数列预测的基本公式aue a u X t X at +-=+-)1)(1()1()0()1( (3)对⼀次累加⽣成数列的预测值进⾏还原即可得到要预测的数值。
1.2 线性回归预测理论回归分析预测⽅法是依据数理统计的回归理论和⽅法，找出因变量和⾃变量之间的依存关系，建⽴起回归预测⽅程进⾏预测的⽅法。
线性回归分析包括⼀元线性回归分析和多元线性回归分析。
⼀元线性回归预测法是通过分析预测对象的数据和某⼀影响因素之间的线性关系，建⽴⼀元线性模型进⾏预测的⽅法。
基于灰色DGM(2,1)模型的四川省铁路货运量预测
（）计算均方差 比值 ：ｃ ，其中 ：ｌｎ ２ ：
２＝
－
ｎ ㈣ ￣ｔ ＇
Ｊ 【 ＝ 寸 １ ， （ 助 ，
（ ）设Ｘ。 ２ ０ － ２ ０ 年 四 川 省 铁 路 货 运 量 １ ‘为 ０ ２ ０ ８
的 原始数 据序列， ’ ’） ‘２ …，∞７ 即 。（。 ， 。 ） ） ＿ （ ， １ （ （）
表 ２ ２ ０－ ２ ０ 年 四 川 省铁 路 货运 统 计数 据 ０２ ０８
，
应 灰 模 预 序 为ｃ １ 。， ） 的 色 型 测 列 ：。，（… 。１ ∞ ２ ， 。 ＝（ 『） ）
ｔ Ｊ
（）蝴 １
根
差 ：厶＝
其
，
。 （（ （） ） 。 一 七 ； （ ’
ｋ ， ＝１ ２，… ， 刀； １ ｌ 一 Ｇ Ｏ序 歹 为 ： ‘’ ‘ Ａ ０ 。 ＝
基于灰色Ｄ ＧＭ（ ，） ２１ 模型的四川省铁路货运量预测
吴
丹
（ ¨旧３， 。 ∞， ’ ∞２， ’ ｃ ¨ ａ …’ ？ ¨ ）
’ ∞ ｄ ‘ 七
其中
＿
ｏ 。２ ｃ ） （
仅 ‘（ ） ‘ 。 ３
。２ ） （ ｘ。３ （）
按 上述 几项指 标 ，其精 度指 标 见表 ｌ 。
一
其中， ｙ ＝
，
Ｂ ：
表 １ 精 度检 验 等级 参 照表
一
‘ ） ’ （ 。
（）
精 度等级 相对误差 △ 关联度 均方差 比值ｃ 小误差概率
铁路 货运 量是 铁 路运 输 能 力 的一 个重 要 指标 ，对 只 能描 述 单 调的 变 化过 程 ， 而对 于 非单 调 的摆 动 发 展 ２ １模 四川省铁路货运量进 行预测 ，对相关管 理部门具 有重要 序 列 或 有 饱 和 的 ｓ 序 列 ， 则可 通 过 ＤＧＭ（ ， ） 型 形
新形势下新建铁路货运量预测思路探讨
^研究探讨D01：10.3963/j.issn.l006-8864.2017.02.013新形势下新建铁路货运量预测思路探讨关键词：新建铁路;货运量;变化趋势;预测思路;现场调研餌200货运量是铁路运输取得营业收入、维持正 常运营的重要保障。
对于新建铁路来说，货运量的预测水平决定了铁路建设标准合理与否，经济效益是否能够达到回收工程投资的要求，其重要性不言而喻。
随着我国经济增速放缓，国内需求总量曰 趋不足，导致房地产、能源等行业产能过剩，全 社会对钢铁、水泥、煤炭等物资需求不旺，带来 的是铁路货运量的不断减少。
新建铁路运量预 测工作应顺应时代趋势，在传统预测分配方法的基础上进一步加强调研分析工作，以提高铁 路货运量预测的准确性，保证铁路建设维持在 合理的水平。
―、近年来全国铁路运量变化趋势据统计，随着近年来高速铁路建设力度的增加，2011—2015年全国铁路旅客发送量和旅 客周转量持续提高。
但与之相反的是，随着高 铁、客专路网的进一步完善、传统客货共线铁路 的运能释放，并没有带来铁路货运量的提高，反 而出现逐渐下降的趋势。
2015年，全国铁路货 运总量为335 801万吨，货运总周转量为23 754.31亿吨•公里，而2011年这两项数据分别为393 263万吨 和29 465.79亿吨•公里(如图1、图2所示)。
400 000jj|300 000-m画 iooo 〇(Ho39^63 390 438 381334335 801201120122013年份20142015m il M T i30 000图1 2011—2015年全国铁路货运总量示意图29465.79 29 187.09 29 173.89*20 000 H函；璧/ 10 00丨h播國27 530.1923 754.31201120122013年份20142015图2 2011—2015年全国铁路货运总周转量示意图可以看出，全国铁路货运量呈下降趋势，许多新建铁路在建成后货运量较低，与设计预测运量有较大出 入，甚至有的铁路几乎没有货运量，造成铁路资产闲置46 I合身•皆® 2017年第2期总第342期研究探讨©和投资浪费。
四川省铁路货运量预测研究
40科技资讯 SC I EN C E & TE C HN O LO G Y I NF O R MA T IO N工 程 技 术货运量是统计期内运送的货物吨数[1],它体现了运输部门的劳动成果。
在陆路交通中,铁路运输具有安全程度高、运输速度快、运输距离长、运输能力大、运输成本低等优点,且具有污染小、潜能大、不受天气条件影响的优势,是公路、水运、航空、管道运输所无法比拟的。
本文通过分析铁路货运量的发展趋势,预测了未来6年的铁路货运量,这对于调整运输结构,合理投入不同结构的运力,配备不同的运力结构,满足不同层次旅客的运输需求,提高运输企业的经济效益,实现铁路货物运输资源的配置,提高货运企业的市场竞争力具有非常重要的现实意义,从而可以使运输资源得到最大限度的利用,实现货运资源的配置。
1 四川省铁路货物运输发展趋势分析1.1四川省铁路运输现状四川省作为西南地区的交通运输枢纽,经过几十年的建设,已经形成了集现代航空、航运、铁路、公路运输为一体的立体运输体系,成为西南重要的交通枢纽[2]。
四川特殊的地理环境与条件决定了铁路运输在四川省的地位与作用,让自己丰厚物产能够顺利通畅出川,是每一个四川人的心愿。
四川省铁路网现已建成宝成、成渝、成昆、内昆、达成5条铁路干线和三万、小梨、资威、成汶、德天、广岳、攀枝花、广旺、宜珙9条支线。
此外,还有2010年刚刚建成通车的成灌客运专线。
近年来,四川省铁路发展很快,2009年完成投入210亿元,是2008年的2.4倍。
2010年,四川省交通运输发展全口径计划投资500亿元,到2020年,我省将有26个铁路项目建成投用,投资近5000亿元,全省将有18条大能力进出川铁路通道,所有地级市、自治州全部通铁路。
1.2四川省铁路基础设施现状四川省铁路基础设施的建设速度在加快。
2010年,四川省铁路建设又取得重大进展,目前已建成项目5个,铁路营运里程达到3258km。
累计开工建设项目16个,四川境内在建铁路里程1708km,投资1900多亿元。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
四川省铁路货运量预测研究
摘要：在分析四川省2007至2009年交通运输发展历程, 特别
是在分析铁路旅货运输需求的基础上,预测未来6年我省铁路货运
量及其发展趋势，可以为投资运营部门、铁路管理部门和运输企业合理配备运力、科学的进行路网及货运站场的规划布局提供可靠依据，以满足国民经济快速增长和人民生活水平日益提高需要的目的, 同时也可以为优化配置资源，切实转变铁路货运体制和经济增长方式，不断提高铁路货运的经济效益和社会效益，建立比较完善的铁路货运市场，及其他一系列相关问题的科学决策提供依据，因此对铁路货运管理和决策具有重要的意义。
关键词：四川省货运量预测
中图分类号:u29 文献标识码:a 文章编
号:1672-3791(2011)10(c)-0000-00
1 前言
货运量是统计期内运送的货物吨数[1]，它体现了运输部门的劳动成果。
在陆路交通中, 铁路运输具有安全程度高、运输速度快、运输距离长、运输能力大、运输成本低等优点，且具有污染小、潜能大、不受天气条件影响的优势，是公路、水运、航空、管道运输所无法比拟的。
本文通过分析铁路货运量的发展趋势，预测了未来
6年的铁路货运量，这对于调整运输结构，合理投入不同结构的运力，配备不同的运力结构，满足不同层次旅客的运输需求，提高运输企业的经济效益，实现铁路货物运输资源的配置，提高货运企业
的市场竞争力具有非常重要的现实意义，从而可以使运输资源得到最大限度的利用，实现货运资源的配置。
2 四川省铁路货物运输发展趋势分析
2.1 四川省铁路运输现状
四川省作为西南地区的交通运输枢纽, 经过几十年的建设，已经形成了集现代航空、航运、铁路、公路运输为一体的立体运输体系，成为西南重要的交通枢纽[2]。
四川特殊的地理环境与条件决定了铁路运输在四川省的地位与作用，让自己丰厚物产能够顺利通畅出川，是每一个四川人的心愿。
四川省铁路网现已建成宝成、成渝、成昆、内昆、达成5条铁路干线和三万、小梨、资威、成汶、德天、广岳、攀枝花、广旺、宜珙9条支线。
此外，还有2010年刚刚建成通车的成灌客运专线。
近年来，四川省铁路发展很快，2009年完成投入210亿元，是2008年的2.4倍。
2010年，四川省交通运输发展全口径计划投资500亿元，到2020年，我省将有26个铁路项目建成投用，投资近5000亿元，全省将有18条大能力进出川铁路通道，所有地级市、自治州全部通铁路。
2.2 四川省铁路基础设施现状
四川省铁路基础设施的建设速度在加快。
2010年，四川省铁路建设又取得重大进展，目前已建成项目5个，铁路营运里程达到3258公里。
累计开工建设项目16个，四川境内在建铁路里程1708公里，投资1900多亿元。
今年还将争取开工成贵、成西及成渝客专等7
个重大铁路项目，在建项目总里程将超过3300公里，建成后铁路营运里程将翻一番，突破6000公里[3]。
2.3 四川省铁路货物运输发展趋势分析
随着我省经济的飞速发展，人们收人水平提高，人口总量持续增长，城市化进程不断加快，第三产业的迅速发展，劳动力的转移，对旅游需求的增加，个人出差、探亲、访友、经商、求学、就医等等，都是使旅货运输量增加的重要因素。
此外，运输价格和运输服务质量也是影响货运需求的主要因素。
在这方面，铁路货运具有独特的优势[5] 。
因此，铁路运输企业如能优质、高效、低成本的完成运输服务，将具有巨大的潜在优势。
四川省2005—2009年货运周转量情况如图2-1所示。
由图可见, 四川省铁路货物运输量呈明显上升趋势。
3 四川省铁路货运量发展水平预测
预计未来6年内，我省经济社会发展将出现以下形势：国民经济仍将保持较快的增长。
与此相应，铁路交通特别是铁路货运的市场需求仍将保持增长的势头。
3.1 预测结果
据统计分析，在过去的3年中，2007、2008、2009年全省共完成铁路货运量79940万吨、114513万吨、118094万吨。
直线回归法是处理函数y（预测值）与变量t(影响因素)之间线性关系的一种比较广泛的方法。
再依据方程y = 104182.3+19077t，计算yt。
按照正态分布的条件，则预测值yt的范围，当预测精度为95%时，在yt±2δ，即2015年的货运量为237721.3±2×12652.4，即在212416.5万吨～263026.1万吨范围内；当预测精度为68%时，在yt±δ范围内，即2015年的货运量为237721.3±12652.4，即在225068.9万吨～250373.7万吨范围内。
四川省2010—2015年铁路货运量预测结果如表3-4所示。
3.2 预测结果分析
由预测数据可以看出，我省铁路旅货运输在今后仍将保持较快的发展速度，我省未来6年铁路货运量将继续增长。
铁路货运显示出极大的竞争优势及增长潜力。
我省铁路货运量将持续增长是一目了然的。
这都得益于我省铁路建设所取得的令人瞩目的成就。
另外，国民经济持续快速增长和人民生活水平不断稳步提高，城市与城乡之间人员交流的显著增加，省内旅游业的蓬勃发展，以及铁路货运与生俱来的方便、快捷的特点和服务设施与服务质量的不断改进，都构成了我省铁路货运量今后若干年发展的极为有利的因素，铁路货运在省内运输市场中主导地位将得到进一步巩固和加强，其占有的市场份额也将进一步加大。
4 结语
通过对四川省2010～2015年铁路货运量的预测,使我们对四川省铁路货运的未来发展有了一定的认识,从量上掌握铁路运输的规模及其特点,从而便于铁路货运管理部门制定出合理有效的方针政策,实现科学、合理的管理。
要真正发挥铁路货运安全、舒适、便
捷、低耗的优势,实现以市场机制为主的资源配置,建立适应市场经济体制的企业经营优势,铁路货运的营运组织是关键之一[5]。
铁路货运线路长,要求网络化程度高,运行组织严密,铁路营运组织只有彻底改革现有的经营机制,根据铁路货运的特点和当前货运市场的现状,按照现代企业制度的要求,打破区域界限,以产权关系为纽带,实现资产重组,组建和发展跨区域的大型铁路货运企业集团,实行
集约化经营,才能使铁路货运真正成为高水平的旅货运输形式。
参考文献
[1] 李维斌. 铁路运输组织学[m]. 北京: 人民交通出版社, 1997,12.
[2] 冯云艳. 四川旅游交通运输的可持续发展管理创新研究[j]. 物流与采购研究，2009，（2）：154～155.
[3] 四川省铁路、公路及内河航运调研情况, 来源：四川信息网, 2010年07月01日.
[4] 四川省2009年统计年鉴，四川统计
网,/sctj，2010年03月01日，来源：省统计局.
[5] 席庆．铁路货运站营销分析系统的规划与设计 [j]．西南交通大学学报（社会科学版），2001，2（4）：41～44.。