过坝货运量预测方法分析综述
1.1运输弹性系数法
弹性系数是指一个变量另一个变量变化率的比值。运输弹性系数是货运量区域经济总产值的增长速度的比值，由货运量与区域经济总产值两个指标来度量。运输弹性系数反映各个阶段货运量与区域经济总产值发展之间的比例关系、变化特征及其变化规律。因此，运输量与相关经济量变化率的比值是运输弹性系数的涵义，其表示为：
运输弹性系数=运输量变化率/经济量变化率
运输量根据不同的研究目标，可以用运输货运量或运输周转量来表示，单位为吨。可以用国民收入、价格、工农业总产值等等来表示经济量。运输弹性系数反映了交通运输发展同经济发展间的某种相互依赖。在对实际问题进行探讨时，距离这个概念用运输周转量来代替，而在计算运输弹性系数时，必须考虑将运输货运量与运输周转量的关系计算进去。运输弹性系数的数学表达式为:
式中分子表示运输增长速度，可采用运输货运量作为指标。分母表示经济增长速度。Tc表示运输弹性系数。
根据计算公式分析，Tc可分为以下四种情况。
（一）完全无弹性：Tc等于0，表明因变量不会随着自变量的改变而改变，也就意味着，经济量产生改变，而运输货运量不会改变。
（二）弹性不足：Tc介于0与1之间，表示国民经济的增长率高于运输增速，也就是说，如果经济量发生改变，那么运输货运量的变化量不大。
（三）单一弹性：Tc等于1，国民经济增长率与货运量增长率相同。
（四）富有弹性：Tc大于1，运输货运量增长率在国民经济增长速度以上。
1.2回归分析预测法
回归分析预测法主要是根据市场现象自变量与因变量的相互关联，得到各因素间的回归方程，然后利用回归方程作为预测模型，利用自变量在预测期间内的数量变化，对其进行预测，所以回归分析预测法在市场预测中具有很大的应用价值。它是一种常用的、具体的、有效的市场预测方法，经常被用来做中短期预测。在预测未来市场的发展状况和水平时，如果能够找出影响预测对象的因素，并获得相关数据，那么可以利用回归分析方法进行预测。在实际条件下，能否使用回归分析，依赖于模型结果计算的预测误差。采用回归分析预测法之前必须进行误差测试。
回归分析的方法有很多种。根据自变量数量的大小，可以分为两类：一元回归分析预测法和多元回归分析预测法。一元回归分析预测法只有一种自变量，而多元回归分析预测法则存在两个或更多的自变量。根据各变量之间的关系，可以将多元回归分析预测法分为线性和非线性两类。在本文中，因变量与自变量间不存在线性关系，所以需要对模型进行对数化，并引入对数函数的回归模型。
回归分析预测法包括以下几个步骤：
以预测目标为基础确定自变量和因变量
回归预测模型的建立
开展相关研究
对回归预测模型进行检验，并对预测误差进行计算
计算并确定预测值
1.3DGM（1，1）模型
灰色系统理论是灰导数与灰微分方程由关联空间、光滑离散函数等概念来定义的，是利用离散随机数经过生成变为随机性被显著削弱，建立起一种以微分方程为基础的模型，这样方便了对其演变过程进行研究和描述。
DGM（1，1）模型为一阶单变量灰色预测模型，其模型遵循了灰色预测模型的建模机制和基本原因，是一种新式的灰色预测模型。通过GM（1,1）预测模型，有时它的效果不是十分理想并且也没有很好的稳定性。基于最小二乘法进行指数拟合的灰色预测模型，在使用纯指数进行拟合时，其拟合效果并不理想，常常会产生一些偏差。DGM（1，1）解决了GM（1，1）模型的误差，较为全面地阐述了从离散形式的灰色模型到连续形式的灰色模型的转变，即DGM（1，1）是更精确的GM（1，1）模型。该模型能够完全拟合纯指数序列和非齐次指数序列，可以很好的解决GM（1,1）模型白化方程到白化响应式之间产生的误差。