优化的新陈代谢GM(1,1)模型在港口吞吐量预测中的应用

针对常规GM(1,1)模型存在的不足,尝试用优化的新陈代谢GM(1,1)模型来进行预测,并加以比较。结论表明:优化的新陈代谢GM(1,1)模型能够明显地提高预测精度,增加预测的可靠程度,从而为港口的发展战略研究提供一定的技术支持。     

基于新陈代谢GM(1,1)模型对海口市房价预测

本论文使用Matlab建立均值GM(1,1)模型与新陈代谢GM(1,1)模型分别对海口市商品房平均销售价格进行预测及分析。分析值精度和相对误差得到新陈代谢模型优于均值模型。以海口市近五年商品房平均销售价格为研究数据,建立新陈代谢模型,预测得到海口市未来商品房平均销售价格将保持持续上涨趋势。     

基于残差修正灰色系统理论的交通量预测

通过对灰色系统GM(1,1)模型的残差修正,建立了水运量的预测模型,经误差和关联检验表明,预测精度良好,通过2003-2005年的实际水运量来验证模型,发现相对误差较小,说明预测结果合理可信,灰色预测方法可应用于水运量预测领域。     

最优组合预测方法在内河港口吞吐量预测中的应用

港口吞吐量的预测是港口规划过程中最为基础也最为关键的一步,只有对港口吞吐量做出准确、稳定的预测,才能做出科学合理的港口发展规划。由于内河港吞吐量历史数据有限,文中采用GM(1,1)和Verhulst模型的最优组合模型对港口吞吐量进行预测。该组合模型充分利用GM(1,1)模型“少数据,短期预测准确”的优点,又针对GM(1,1)预测量的无限增大趋势,引入了Verhulst模型进行组合修正,进而提高预测值的准确、稳健性。     

基于灰色理论和BP网络的集装箱海铁联运量预测

海铁联运是集装箱多式联运的重要形式之一。作为一种航运企业延伸其产业链条的方式,更作为在简化的中转环节获取利润的方式,海铁联运已经成为企业目前关注的问题。基于海铁联运运量数据的小样本性、不确定性特征,建立GM(1,1)模型与BP神经网络相结合的预测模型。以厦门港为例,预测未来4年厦门港集装箱海铁联运运量。分析表明,灰色-BP网络组合模型的预测精度较高,是预测集装箱海铁联运量的一种有效的方法。     

基于GM(1,1)模型的海上交通事故预测

根据舟山海域水上事故的统计资料,应用基于GM(1,1)模型来预测港口货物吞吐量。在计算、分析基础上得出所建立的模型预测效果精度高,与实际情况更为接近。     

灰色马尔科夫组合模型对结构剩余寿命预测的研究

灰色马尔科夫组合模型是将灰色GM（1,1）模型与马尔科夫链有机地结合起来,利用各自优点并充分考虑大型结构整体变化趋势和局部波动的情况。通过对某桥梁结构的损伤系数进行预测分析并与GM（1,1）预测结果进行对比,该方法解决了GM（1,1）模型对波动性较大数据拟合较差,预测精度较低的缺陷。     

基于优化GM(1,1)模型的港口吞吐量预测

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和具有自适应背景值的GM(1,1)优化模型。通过原始序列建立具有自适应背景值的GM(1,1)模型以描述总体趋势,利用正弦和描述残差中包含的周期性振荡规律,建立优化的GM(1,1)模型。利用该模型对广州港港口吞吐量数据进行模拟与预测,结果表明:基于优化的GM(1,1)模型,能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,模拟和预测精度都显著优于传统GM(1,1)模型,可将该模型用于具有振荡性质的吞吐量预测。     

基于GM(1,1)改进的DGM模型预测港口货物吞吐量

根据连云港港口货物吞吐量的统计资料,应用基于GM(1,1)改进的DGM模型来预测港口货物吞吐量。在计算、分析基础上得出所建立的模型预测效果较GM(1,1)和DGM模型预测精度高,与实际情况更为接近。     

基于三点模型的柴油机热工参数预测

准确预测热工参数劣化趋势是对柴油机实施预测维修的前提。已有预测技术均视不同时段信息所具有的建模价值相等,忽略了近期信息比远期信息更能反映设备当前运行态势这一客观事实,导致预测模型难以准确描述柴油机热工参数的真实变化规律。针对该问题,提出一种基于三点模型的柴油机热工参数预测方法,并采用新陈代谢法同步更新建模数据,以提高建模数据的利用效率及预测精度。与灰色系统GM(1,1)模型预测精度的对比结果表明,三点模型能够有效处理不同时段信息在反映设备运行态势能力上的差异,得到更为准确的预测结果。     

基于灰色自回归模型的船舶流量预测方法

结合灰色模型和自回归AR(p)模型,提出两种模型组合的灰色自回归模型,根据实际的船舶交通流量数据,分别运用灰色模型、自回归AR(p)模型和灰色自回归模型,对某港口船舶交通流量的进行预测,通过计算和Matlab仿真,结果表明灰色自回归模型预测精度较高,证明了该模型的可行性。     

基于灰色马尔科夫模型的重庆市水运货运量的预测*

通过对重庆水运发展现状的研究,根据马尔科夫理论及灰色预测模型,将灰色GM模型与马尔科夫状态转移矩阵相结合,建立了预测重庆水运货运量的灰色马尔科夫模型,并通过实际预测发现,该模型的预测精度明显高于灰色预测模型的预测结果,并预测了2011—2012年重庆市水运货运量。     

计量经济模型预测运量的探讨

根据地量经济学原理及运输业的特点，提出二步预测运量的思路。首先，根据投入产出原理，投入决定国民经济发展水平，又根据运输业的特点，国民经济发展水平决定运量水平，按此思路，能找出运量发生的直接根源，用直接影响运量发生的因素，通过二步计量经济模型，来预测运量。文章根据某省的实际资料，建立了模型，并对模型进行了分析。     

海滨吹填区软土地基固结沉降的预测研究

运用灰色理论建立地基沉降的非等时距的等维新息预测模型。采用胶州湾底海岸吹填区的地面沉降监测数据对预测模型进行检验,并与普通GM(1,1)模型的模拟结果进行比较,该模型的预测精度和计算精度均高于普通GM(1,1)模型,预测数据与实测数据的误差较小。本研究成果对类似的吹填区软土地基沉降监测具有一定参考价值。     

基于相空间重构与LSSVM的交通流量预测

针对仅利用欧氏距离不能准确反映相空间中相点间的相似性大小,提出一种改进预测模型,该模型同时考虑相点间的欧氏距离和相似性来选取邻近点。在对交通流量时间序列进行相空间重构后,运用最小二乘支持向量机分别对不同方法得到的邻近点进行训练,并对未来时段的交通流量进行了多步预测。实际案例的预测结果表明,改进方法比一般方法具有更好的适应能力和预测精度。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

基于灰色模型GM(2,1)的大直径超长桩承载力预测*

基于8根大直径超长桩承载力现场试验资料,选用灰色模型GM(2,1)进行建模和预测,并与两类常用指数模型进行了比较。比较发现,用灰色模型GM(2,1)对8根大直径超长桩承载力进行预测时,相对误差一般为±0.8%;由后验差比值C和小误差概率P共同描述的后验差检验时,灰色模型GM(2,1)的效果为很好;GM(2,1)的预测效果明显好于两类常用指数模型。结果表明,GM(2,1)对样本大小不限,资料的处理可以随时增加更新,保证较高的预报水平;用GM(2,1)预测大直径超长桩承载力是可行的。     

交通噪声预测遮挡衰减取值研究

分析了交通噪声预测模式中房屋遮挡衰减量估算中存在的问题。针对不同的公路项目提出了实测和类比两种解决方案。研究结果表明,通过实测法和类比法,可以有效解决房屋遮挡衰减量估算中存在的误差。