基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

基于混合AGO-SVM的高速公路短时交通量预测研究

提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法.     

不等维递推灰色模型在交通量预测中应用研究

由于过去交通量统计资料的缺乏、观测数据的离散性等原因,惯常的交通量预测理论与方法得到的预测结果相关系数比较低。本文提出的不等维递推灰色模型在交通量预测中可以有效的处理贫信息、离散信息,得到较好的预测结果,并且在交通量的中、长期预测中要优于常规预测模型。     

灰色模型在GDP预测中的应用

在交通量预测中,社会经济指标数据是最基础的预测数据,研究了灰色预测模型在社会经济预测中的应用方法,并进行了具体的应用,实践证明应用效果良好。     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

灰色模型在社会经济预测中的应用

在交通量预测中,社会经济指标的预测是最基础的预测数据,研究了灰色预测模型在社会经济指标中的应用方法,并进行了具体的应用,实践证明应用效果良好。     

灰色模型在社会经济预测中的应用

在交通量预测中，社会经济指标（主要指国民生产总值）是最基础的预测数据。结合具体实例，研究灰色预测模型在社会经济指标中的应用方法，证明其应用效果良好。     

基于混沌理论和神经网络的交通量预测

针对目前交通量预测不能很好地满足智能交通管理需求的现状,分析交通量数据内在混沌特性,主要包括时间延迟、嵌入维数、关联维数及Lyapunov指数的计算,并将此分析耦合人工神经网络模型进行预测,最后给出北京环路上某车道交通量预测的实例,结果显示基于混沌时间序列分析的神经网络交通量预测在数据动力特征刻画及误差控制上有显著优势。     

灰色理论与模型在交通量预测过程中的缺陷分析

交通量预测是公路规划阶段的关键步骤,方法繁多,针对灰色理论与模型在交通量预测过程中的应用,以黑龙江省的几条干线公路的交通量预测为实例,从模型构造上分析了该模型在预测过程中存在的缺陷,有利于该模型的改进和完善。     

基于ARIMA模型的高速公路交通量短期预测

高速公路交通量的准确预测,对于高速公路的发展和养护具有重要的作用。基于交通量预测的重要意义,建立了ARIMA(2,1,3)时间序列分析模型,采用四川省成渝高速公路公开的交通量数据,对该高速公路四川省内路段2013年的月交通量进行了预测,再与实际交通量数据进行对比,并将其与基于最小二乘法的CurveExpert软件预测结果进行比较,得出ARIMA(2,1,3)模型预测精度更高的结论。所建立的模型可以为交通运输管理部门的政策制定提供参考依据。     

GM（1，1）模型在福州市橘园洲大桥交通量预测中的应用研究

GM（1,1）模型具有计算量小、过程简单且精度较高等优点,特别适合于基础数据相对缺乏的城市桥梁交通量预测研究。因此,本文在介绍GM（1,1）模型的基本原理基础上,收集福州市橘园洲大桥2005年至2009年的交通量数据,应用GM（1,1）模型对其进行未来年的交通量预测,从而为城市桥梁交通量预测提供了一种简单实用的方法。这...     

基于模糊神经网络的GM（1，1）模型

在分析GM（1,1）模型建模机理的基础上,提出GM（1,1）模型中参数a,b的一种新算法一模糊神经网络算法,把模糊神经网络应用于灰色系统GM（1,1）模型的建模过程,得到模糊神经网络GM（1,1）模型,并将其运用于民航客运量的预测,结果表明改进后的模型有较好的拟合及预测精度。     

一种离散GM(1,1)模型的研究

分析了离散GM(1,1)模型与原始GM(1,1)模型的关系,二者形式相同,建模机理相同,但建模过程不完全相同,所以二者的时间响应函数不同。解释了离散GM(1,1)模型比原始GM(1,1)模型优越的原因,并从理论上证明了该离散GM(1,1)模型不仅具有白化指数律、白化系数律重合性,而且具有线性变换一致性。     

道路交通事故灰色预测模型的建构与应用研究

分析了我国当前交通安全形势的严峻性,说明了道路交通事故预测技术的重要性.在对比两种传统的交通事故预测模型的基础上,分析了灰色模型在交通事故预测中的优越性,并构建GM(1,1)对道路交通事故量进行了预测,结果证明是可信的.     

客运量预测模糊时间序列和灰色模型的比较

基于模糊集理论在模糊时间序列分析的基础上分别建立铁路、公路及民航客运量模糊时间序列模型,并与基于灰色理论的GM(1,1),修正GM(1,1)和Markvo三个模型进行标杆对比,结果表明:模糊时间序列模型能有效提高Markvo模型的预测效果;模型的外推预测能力比Markvo模型强;模糊时间序列模型和灰色模型相比,传统ARIMA时间序列模型及人工神经网络模型具有不需要大量历史时间序列样本的特点.     

机场轨道交通对陆侧交通分流情况的预测研究

机场轨道交通的发展将是解决机场陆侧交通拥堵问题的主要途径之一.本文首先通过灰色预测模型GM(1,1)对首都机场的陆侧交通量进行预测,得出进出机场的旅客中乘坐机场巴士及出租车的人数.在此基础上,运用排队论的方法,分析机场轨道交通对机场巴士及出租车交通量的分流情况,得出各自具体的分流率和分流量.最后,根据马尔可夫链的方法,对分流情况的发展趋势进行分析,得出其稳定分流率.     

新陈代谢GM(1,1)模型在建筑物沉降监测中的应用

通过对都匀市某在建大楼沉降数据处理,运用灰色系统理论,建立新陈代谢GM(1,1)模型对大楼沉降进行预测,并对所建模型精度检验,结果充分显示新陈代谢GM(1,1)模型在建筑物沉降变形分析中具有很强的实用性和有效性。     

非线性季节型航空公司客运收入的组合预测方法

针对航空公司的客运收入同时具有增长性趋势和季节波动性特征,使得客运收入的变化呈现出复杂的非线性组合特点,依据灰色预测GM(1,1)模型原理,建立客运收入预测模型,以反映其增长性趋势的特点,建立客运收入季节变动预测模型,以反映其季节波动性特点,最终形成非线性季节型客运收入组合预测模型。航空公司客运收入的预测结果表明,预测值与实际值误差小于1％,该模型有效、可行。