交通强国建设在中国特色社会主义新时代国家发展中意义重大,铁路先行及高质量发展是交通强国战略的重要内容。铁路建设具有明显的外部性、建设周期长、投资额巨大、收益时间长等特点,过于超前或滞后的铁路建设都不能有效促进国民经济的发展。为客观评估铁路运输经济效益价值,发挥其在国民经济发展中的重要功能效用,本文在分析国内外铁路建设项目经济效益研究的基础上,综合运用交通运输与经济发展关系理论、综合运输理论以及机器学习技术,从交通运输里程、客货运指标与国民经济数据演化规律视角研究铁路建设项目间接经济效益量化预测模型。主要研究内容包括如下:(1)建立了铁路建设项目与国民经济总量指标国内生产总值(Gross Domestic Product,GDP)格兰杰因果检验模型,以全国铁路建设项目与GDP数据为案例集,研究了铁路建设项目与国民经济相互促进关系。结果表明:铁路旅客运输与GDP互为因果关系,铁路货物运输与GDP具有显著的阶段性特征,为后续章节建模从全国层面提供了理论基础。(2)建立了铁路建设项目与GDP的模糊关联度模型,研究了我国东中西地区铁路建设项目与国内生产总值之间的关系。结果表明:我国东中西地区不同阶段铁路建设项目指标与GDP关联度不同,但是总体关联度强。东部地区、中部地区、西部地区铁路建设项目历年各指标与GDP平均关联度依次为0.68、0.72、0.69。说明东中西地区历年经济的发展与铁路建设项目的发展关联程度较高,为后续章节建模从区域层面提供了理论基础。(3)建立了综合运输系统视角下铁路建设项目间接经济效益量化预测的卷积神经网络(Convolutional neural network learning model,cnn)模型。以历年全国各交通运输方式与GDP数据集为案例分析,cnn模型误差率10%。引入非线性人工神经网络模型(Artificial Neural Networks,ANN)和多元线性回归模型(Multivariable linear regression model,MLRA)作为对比模型,ANN模型误差率12%,MLRA模型误差率11%。ANN模型的降维结果验证了铁路建设项目对GDP影响最敏感,模型的误差率验证了cnn模型在铁路建设项目经济效益量化预测影响因素方面误差率相对低,且计算效率高。结果表明:基于综合运输系统维度建立的铁路建设项目间接经济效益量化cnn预测模型较优。(4)构建了铁路建设项目间接经济效益长短时循环神经网络(Long Short Term Memory,lstm)量化预测模型。从铁路建设项目影响国民经济时滞性特征出发,以历年全国各交通运输方式与GDP数据集为案例分析,lstm模型误差率为15%。引入双向长短时循环神经网络(Bidirectional gated Long Short Term Memory,Bi-lstm)模型为对比模型,采用同样的案例数据集,Bi-lstm模型误差率为20%,结果表明:基于时间序列维度建立的铁路建设项目间接经济效益量化lstm预测模型较优。(5)构建了基于cnn-lstm(Convolutional neural network learning model gated Long Short Term Memory,cnn-lstm)组合深度学习模型的铁路建设项目间接经济效益预测方法。从各种运输方式的结构和时间序列两个维度预测了铁路建设项目间接经济效益,cnn-lstm模型误差为7%,小于两个模型单独预测的结果。结果表明:铁路建设项目间接经济效益不仅依赖于各种运输方式的结构,还与运输资源配置所处的时间阶段有关,组合模型用于铁路建设项目间接经济效益预测性能最优。根据cnn、ANN、MLRA、lstm、Bi-lstm、cnn-lstm等模型实验过程和结果,分析了各模型的适用范围。结合以上研究成果,以十四五时期铁路建设项目经济效益量化预测为案例,从交通强国角度提出我国铁路建设项目发展政策建议。在制定铁路网规划时,可参考本文提出的量化预测模型,在评估间接经济效益的基础上提出科学合理的建设规划。在铁路建设项目投融资时,可在铁路建设项目间接经济效益科学合理量化的基础上,从数量上理清铁路建设项目参与方的收益额,为铁路建设项目资金多元化提供成本补偿依据。
暂无评论