基于改进灰色-马尔可夫链方法的铁路货运量预测

科学的货运量预测对铁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铁路货运量进行预测,并与传统的GM（1,1）模型、改进的GM（1,1）模型和灰色-马尔可夫模型3种预测方法进行了比较,结果表明：提出的预测方法具有较高的精度,具有一定的可行性和有效性,预测结果可指导铁路建设与管理.     

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%.     

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。     

隧道变形预测的灰色模型研究

隧道变形预测对隧道施工监测具有重要的意义．考虑到隧道变形的非线性,采用灰色系统理论来模拟和预测隧道的变形．用灰色等时距GM（1,1）模型、新陈代谢GM（1,1）模型及Verhulst模型这三种常见的模型来预测隧道拱项下沉量,从而提出了新陈代谢GM（1,1）模型的适用性,能反映隧道施工动态的过程．     

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。     

高速公路隧道洞口段仰坡沉降变形监测分析与预测

通过对非等步长序列数据的处理,运用传统等步长GM（1,1）模型的建模原理,建立非等步长序列的GM（1,1）模型,对高速公路隧道洞口段仰坡沉降变形进行预测和模拟。结果表明,该模型预测精度高,预测结果可靠。与传统模型相比,该方法更适用于实际监测,更具有实用价值,进一步推广了灰色系统理论在工程中的应用。     

灰色马尔可夫模型在交通事故预测中的应用

采用传统灰色GM(1,1)模型预测道路交通事故这类随机性、波动性较大的数据,存在拟合较差、精度不足等问题。运用马尔可夫模型对预测结果进行优化,并建立灰色马尔可夫预测模型。将该模型应用于1998~2007年全国道路交通事故数据来预测2008年事故次数,结果表明采用该模型预测精度达到96.9%,明显优于单独使用GM(1,1)模型的预测结果。     

基于灰色模型和指数平滑法的集装箱吞吐量预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。集装箱吞吐体系是一个灰色系统,因此可以通过灰色系统进行建模并预测其吞吐量,通过对宁波港历年集装箱吞吐量的观察,发现其吞吐量呈持续的曲线增长趋势,因此考虑采用三次指数平滑法进行预测,在灰色GM(1,1)和三次指数平滑法的基础上采用了加权组合预测的方法,对宁波港今后几年的集装箱吞吐量进行了预测.     

基于灰色模型和指数平滑法的集装箱吞吐量预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。集装箱吞吐体系是一个灰色系统,因此可以通过灰色系统进行建模并预测其吞吐量,通过对宁波港历年集装箱吞吐量的观察,发现其吞吐量呈持续的曲线增长趋势,因此考虑采用三次指数平滑法进行预测,在灰色GM(1,1)和三次指数平滑法的基础上采用了加权组合预测的方法,对宁波港今后几年的集装箱吞吐量进行了预测.     

基于灰色理论的矿区地表沉降预测

基于灰色理论,以某钻井水溶法开采矿区为例,建立原始监测数据的灰色GM（1,1）预测模型,通过后验差和小误差概率的模型精度评价,表明预测精度为一级,预测值与实测值吻合较好,证实了灰色GM（1,1）模型应用于地表沉降预测中的可行性和可靠性.     

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。     

GM（1，1）灰色模型与土工离心试验联合推算路堤沉降

以灰色系统理论为基础,将高路堤沉降过程看成一个灰色系统,建立适合高路堤沉降预测的GM(1,1)沉降预估模型及其残差模型,将某高速公路的已知观测数据代入GM(1,1)模型,推算该观测点的最终沉降。同时,在室内进行土工离心模型试验,将试验结果与灰色模型得到的预测结果进行对比分析,表明预测精度良好。     

基于GM（1,1）与AR模型的轨道不平顺状态预测

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM（1,1）与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM（1,1）预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.     

酸雨环境下受腐蚀混凝土弹性模量灰色预测

弹性模量是混凝土的重要力学性能指标.为研究酸雨环境下混凝土的弹性模量劣化规律,应用灰色理论新陈代谢GM（1,1）模型,建立了受酸雨腐蚀混凝土静力抗压弹性模量预测模型,并对文献中模拟3种酸度的酸雨环境的试验数据进行了验证,理论模型的计算结果与试验数据吻合较好.研究表明,新陈代谢GM（1,1）模型简便易行,能够有效地预测受酸雨腐蚀混凝土的弹性模量.     

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GM(0,N)灰色系统的公路运输量预测方法

GM（0,N）模型适合于原始数据缺乏下的具有多个相关因素的系统特征变量预测．研究了GM（0,N）模型用于客运量预测的总体思路,建立了公路运输量的多因素灰色预测模型,并研究了系统模型中相关因素变量的确定方法、模型精度的检验方法和进行长期预测的方法与步骤．最后通过实例计算,对GM（0,N）与GM（1,1）模型的预测精度进行了检验和对比分析,结果表明,前者比后者具有更高的预测精度和可靠性．     

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．     

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.     

基于灰色马尔科夫链模型的交通事故预测

以灰色GM(1,1)模型为基础,结合马尔科夫链模型建立灰色马尔科夫链模型GM(1,1),对灰色GM(1,1)模型的预测结果进行误差修正,并利用乌鲁木齐市交通事故的历史数据对2014~2016年的交通事故伤亡人数进行预测。结果表明:当利用灰色马尔科夫链GM(1,1)模型时,平均相对误差从单一GM(1,1)模型的4.32%降到1.67%,误差减少2.65%,预测结果更加可靠,能够为乌鲁木齐市采取有效措施预防交通事故的发生,提供可靠理论依据。     

灰色系统理论在道路货运量、货运周转量预测中的应用

基于灰色系统GM(1,1)模型和残差修正GM(1,1)模型,预测道路货运量及货运周转量,可充分开发并利用了少量数据中的显信息和隐信息,避免复杂的相关关系,克服原始数据的离散性,得到高精度的预测结果.以山东省道路货运量及货运周转量为例进行了中短期预测,并用后验差方法对预测结果进行了检验。