基于UBGPM-Markov的铁路货运量预测方法

针对铁路货运量发展变化的非线性特性,采用非线性灰色模型中的无偏GM（1,1）幂模型进行预测,并用状态划分更为精细后的马尔可夫链修正预测值,从而建立优化后的UBGPM-Markov模型.通过对我国2000~2012年铁路货运量实例分析,与改进GM（1,1）模型、无偏GM（1,1）模型2种预测方法进行了比较,比较显示无偏GM（1,1）幂模型具有较高的预测精度.优化后的UBGPM-Markov模型更是显著提高了预测精度,将平均绝对百分误差（MAPE）由2.11%减少到0.55%.     

基于改进灰色-马尔可夫链方法的公路货运量预测

科学的货运量预测对公路发展战略的制定具有十分重要的意义．针对灰色模型的预测结果精确度受原始数据变化幅度的影响较大,且要求累加生成的数据列具有指数性质的缺点,采用带波动的多项式来替代GM（1,1）模型中的指数形曲线,并通过马尔可夫链对其预测结果进行修正,从而建立改进的灰色-马尔可夫链预测模型,同时利用该改进模型对我国公路货运量进行预测,经分析表明预测结果具有较高的精度,预测方法具有一定的可行性和有效性,预测结果可指导公路建设与管理．     

公路货物运输量灰色马尔可夫预测模型

为了提高公路货物运输量的预测精度,结合灰色系统和马尔可夫链的特点,建立公路货物运输量灰色马尔可夫预测模型.在实例应用中,建立运输量GM(1,1)灰色预测模型,在获得预测值和残差检验的基础上,将原始数据序列划分为4个状态,计算状态转移概率,利用灰区间中位数建立货运量灰色马尔可夫预测模型,对货运量和货运周转量进行预测.将其预测结果与GM(1,1)灰色模型的预测结果比对,结果表明,灰色马尔可夫预测模型可以用于公路货物运输量预测,且其预测精度高于GM(1,1)灰色模型.     

基于灰色加权马尔可夫链的大连铁路客运量预测

以2003~2013年大连铁路客运量数据为基础,采用灰色GM(1,1)模型预测方法和马尔可夫链相结合的方法对大连铁路客运量数据进行预测,给出了灰色加权马尔科夫链预测模型.不仅构造了状态转移概率矩阵,而且也获得了有效的滞时阶数.结果表明,在预测值与真实值的平均绝对误差方面,与灰色GM(1,1)模型相比,灰色加权马尔可夫链模型减小了一半,其预测效果十分理想.在此基础上,对2014~2020年大连铁路客运量数据进行了预测.     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM（1,1）预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

灰色最小二乘马尔可夫链预测算法

科学的预测对于经济现象的研究和经济决策的制定都具有十分重要的意义,因此,关于经济预测理论和方法的研究一直是一个热点。将灰色模型预测方法GM（1,1）、最小二乘法与马尔可夫链预测相结合,提出灰色最小二乘马尔可夫链改进预测方法,并且针对我国能源消费总量的发展趋势进行了预测,得出比灰色预测更加准确的结论。从而证明,灰色最小二乘马尔可夫链改进方法是个好算法,更有利于决策者的经济决策行为。     

基于灰色残差GM（1，1）模型的汽车货运量预测

针对近年来我国汽车货运量增长迅速的特点,运用灰色系统预测模型GM（1,1）对某地汽车货运量趋势进行预测,通过残差GM（1,1）模型对主模型的修正,并用后验差检验法对模型精度进行分析和检验,得到一个精确度非常高的预测模型,该模型符合汽车货运量的预测,并在实际预测应用中取得较好效果。     

基于改进灰色GM(1.1)模型的铁路货运量预测

针对铁路货运量年度长期预测对货运部门制定短期运输规划指导不足的问题,引入GM(1.1)模型预测铁路月度货运量.考虑货运量序列常呈振荡波动的特征,利用加速平移变换和加权均值变换弱化序列的波动性后,建立改进灰色GM(1.1)模型实现最终预测.对我国2019年11月至2020年5月铁路月度货运量序列拟合结果比较表明,与传统GM(1.1)模型相比,改进GM(1.1)模型在预测精度方面明显提高,能更好的拟合铁路月度实际货运量,解决了传统GM(1.1)模型对呈现振荡波动现象的铁路货运量预测精度较低的问题.     

基于灰色马尔可夫链模型的航空货运量预测研究

航空货运量预测是航空货运发展和决策的基础.将灰色系统理论和马尔可夫链相结合,提出了灰色-马尔可夫链预测航空货运量的预测方法,并且针对我国航空货运量的发展趋势进行了预测.理论分析与实践都表明,该方法不但预测结果可靠,而且能够对航空货运市场的发展趋势进行宏观把握,有利于决策者的经济决策行为.     

基于灰色模型的云浮港水运货运量预测

建立了灰色模型对云浮港水运货运量进行预测.根据云浮港2010年～2017年水运货运量建立了GM(1,1)灰色模型,模型平均相对误差较大,预测结果显示2018年～2021年云浮港水运货运量将保持较高增速.灰色关联分析显示云浮港水运货运量受到云浮进出口贸易影响较大,而国际经济增长有降速趋势,因此云浮港水运货运量增长也可能放缓.对模型进行改进,引入弱化缓冲算子,得到增速放缓的预测结果.对改进模型进行检验,检验结果表明改进模型精度较高,预测结果较为准确.     

基于灰色自适应粒子群LSSVM的铁路货运量预测

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006~2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.      

基于GM（1，1）-马尔可夫链的城市机动车保有量预测研究

针对城市机动车保有量具有趋势性和不确定性的特点，结合GM（1，1）模型和马尔可夫链模型在预测研究中的优点而建立的GM（1，1）-马尔可夫预测模型，可用于城市机动车在未来年份的保有量的预测研究，且该预测经实例验证，结果令人满意。     

基于灰理论的成都市铁路旅客周转量预测

铁路旅客周转量是一个受多种因子制约的多层次的复杂关系量,将成都市2004—2008年铁路旅客周转量作为基础数据,运用灰理论所提出的灰系统模型预测法,建立GM（1,1）模型,预测2009--2011年的铁路旅客周转量。预测结果表明2009--2011年成都市铁路旅客周转量总体呈上升趋势。同时,GM（1,1）预测值经过检验,预测结果精度较高,说明预测方法的可靠性,预测结果对合理布局规划成都市铁路枢组具有重要的现实意义。     

基于改进GM（1,1）的长江干线水位预测方法研究

针对长江干线水位预测建模复杂、数据不全的问题,利用长江干线真实历史水位观测数据,基于灰色系统GM（1,1）模型,研究贫数据下长江干线水位预测.根据灰色系统中数据越近越有价值跟拟合曲线为指数曲线的特点,通过重新构造生成序列和重新定义初始边界条件对GM（1,1）模型进行优化并对最终结果进行分析,得出优化后的模型能更准确的预测水位的结论.     

GM（1，1）模型在路基沉降预测中的应用

灰色模型法计算工作量小,精度高,基于灰色理论的灰色模型在公路路基沉降预测中得到了普遍的应用。以工程实际沉降观测数据为基础,建立GM（1,1）灰色模型,对模型的预测结果进行了分析,由此证实GM（1,1）灰色模型在路基沉降预测中具有可行性。     

组合预测模型在铁路货运量预测中的应用

货运量预测是铁路运输规划的基础,单一预测方法很难准确有效地进行运量预测。探讨组合模型在铁路货运量预测中的应用,以全铁路货运量及社会经济发展状况为样本,对未来铁路货运量进行预测。实证预测结果表明：组合预测模型能有效综合各模型的有用信息,从而提高模型预测精度,与单一模型相比,该方法具有较好的实用价值。