基于改进灰色马尔科夫模型的地铁客流预测

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型,对西安地铁客流量的数据进行分析预测;然后对原始数据序列滑动平均处理,再用无偏GM(1,1)模型拟合系统的发展变化趋势,将修正后得到的模型与马尔科夫模型进行结合,提出改进的灰色马尔科夫模型预测方法。利用改进后的新模型对地铁客流的预测结果与传统的灰色马尔科夫模型进行对比。结果表明,改进后的灰色马尔科夫模型预测精度有显著提高。     

改进无偏灰色模型预测沥青路面使用性能评价指标

分析了灰色模型预测路面使用性能的可行性,选取陕西省某条高速公路路段PCI、PSSI、RQI和SRI 4项指标2012年至2016年历史数据建立了无偏灰色预测模型,引入残差对无偏灰色预测模型进行改进,运用马尔可夫状态转移矩阵来判断残差预测值在k≥n时的符号,建立了改进无偏灰色预测模型,减化了计算步骤,提高了预测精度。并对该路段2017年路面使用性能各评价指标进行了预测,根据预测结果提出了相应的养护措施。     

基于GA-灰色神经网络的沥青路面使用性能预测

为准确预估我国沥青路面使用性能的变化趋势,在传统灰色预测模型GM(1,1)的基础之上,提出了无偏GM(1,1)模型和滑动GM(1,1)模型,并通过遗传算法(GA)优化后的BP神经网络对传统、无偏与滑动GM(1,1)模型进行了组合,得到了兼顾灰色理论、遗传算法和BP神经网络优点的GA-灰色神经网络组合预测模型,并以具体实例验证了该模型的有效性。结果表明:传统GM(1,1)模型的平均相对误差为4.67%,无偏GM(1,1)模型的平均相对误差为4.64%,滑动GM(1,1)模型的平均相对误差为4.63%,灰色神经网络组合模型的平均相对误差为2.41%,而GA-灰色神经网络组合模型平均相对误差仅为0.54%,证明所提出的组合模型预测精度较高,误差较小,可作为制定路面养护计划的依据。     

灰色预测模型在一级公路软土路基施工期沉降预测中的应用

以湛江大道一级公路软土路基施工期间150 d的沉降监测数据为基础,建立了灰色预测模型,预测软土路基未来30 d内的累计沉降量,并提出了一种在施工过程中对灰色预测模型进行滚动建模的方法.结果表明:以灰色预测模型GM(1,1)对软土路基长达150 d的沉降数据进行拟合,小误差概率P<0.95,后验差比值C<0.35,模型精...     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

基于灰色神经网络的港口集装箱吞吐量预测模型研究

为降低港口集装箱吞吐量的预测误差,提高预测精度,在分析传统的灰色预测模型和BP神经网络预测模型的优缺点的基础上,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和BP神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明:灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

基于动态灰色马尔柯夫链的铁路运量预测

结合灰色模型在短期预测中的优势和马尔柯夫链在长期预测和对随机波动性数据处理方面具有的优势,根据将一个新息数据充实到原始数据序列中进行预测时是否去除其左边的第一个老数据,分别定义并建立了定维和变维动态灰色马尔柯夫预测模型;通过对我国铁路客货运量进行预测,表明动态灰色马尔柯夫预测模型优于静态灰色马尔柯夫模型和灰色模型,并且定维动态型预测效果优于变维动态型。     

用改进的灰色模型预测2000年我国汽车保有量

本文针对灰色预测模型的缺陷，对灰色模型的建模过程及检验方法进行了改进，用线性回归来建立ＧＭ（１，１）模型，用统计方法进行模型的显著性检验；并且运用该种方法对２０００年我国汽车的保有量进行了预测。     

无偏灰色模型在东营港船舶交通流量预测中的应用

为提高东营港船舶交通流量预测精度,弥补灰色模型预测方法的不足,基于灰色系统理论,构建灰色模型,该模型在对指数序列进行拟合及参数选取时存在误差,为对模型进行优化,构建无偏灰色模型.采用Matlab编写相关程序辅助求解该模型,将所建模型对东营港船舶交通流量进行预测,并对预测结果与历史数据进行误差比较.结果表明:无偏灰色模型预测精度为97. 91%,拟合效果较好,验证了该模型的科学性与可行性.     

无偏灰色预测在列车自动驾驶系统中的应用

列车自动驾驶系统是列车控制系统研究中的一部分,可以按照目标速度自动完成运输任务,并且最大程度地节约能源、提高旅行速度。无偏GM（1,1）模型克服传统灰色预测模型存在灰色偏差与抗干扰能力弱的局限性,提高速度预测值的精度。通过算例表明,该方法具有可靠的预测结果,能有效地指导列车自动驾驶。     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

灰色马尔可夫模型在公路运量弹性系数预测中的应用

针对公路运量预测中弹性系数随机波动性较大的问题,结合灰色模型可以揭示预测数据的发展趋势以及马尔可夫预测适合描述随机波动性较大的预测问题的优点,建立了公路运量预测中弹性系数的灰色马尔可夫预测模型;用该模型对北京市公路客运弹性系数进行预测,验证了模型对公路运量中弹性系数进行预测的合理性。研究结果表明,灰色马尔可夫预测模型能够较好地提高公路运量预测中弹性系数的预测精度,对于提高公路运量预测精度具有重要意义。     

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。     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

基于灰色遗传支持向量机的短时交通流预测

为了进一步提高短时交通流预测的精确度,通过分析灰色模型、遗传算法和支持向量机模型的特点,提出一种组合的短时交通流预测模型.模型运用灰色模型对原始交通流数据序列进行累加,弱化其随机性,再通过遗传优化支持向量机模型进行预测,利用灰色模型将预测结果进行累减,得到最终的预测值表.以长春市某主干路交通流数据为基础,验证了该模型的有效性和可行性.     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

用灰色马尔可夫模型预测水上交通事故量

灰色GM(1,1)是一种水上交通事故量预测模型．这种模型不适合长期的、随机和波动性较大的数据序列预测．马尔可夫模型适合描述随机波动性较大的预测问题．本文将两模型结合,形成一个灰色马尔可夫预测模型．按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高．文中给出两个例子,算例证明了谊模型的诸多优点．     

背景值优化的灰色马尔科夫模型在铁路客流预测中的应用

以提高铁路客流预测精度为出发点,通过对传统的灰色模型进行分析,采用积分的数学思想对灰色预测背景值进行优化.结合马尔科夫预测模型的优点,运用马尔科夫对优化后的灰色预测模型误差进行修正,提高了预测模型的精度.以我国铁路客流预测为实例,通过对预测模型的预测结果的对比研究,验证了模型的有效性.