基于灰色-马尔科夫链理论的公路客运量预测

客运量预测是公路网规划不可缺少的环节,是公路经济效益计算的重要基础。以四川省公路客运量为例,利用灰色系统理论,建立GM（1,1）预测模型,并将灰色GM（1,1）预测模型与马尔科夫链状态转移矩阵相结合,进一步提高预测结果的精度。从计算效果上分析,该方法求得的结果与其他方法相比,与实际值偏差较小,预测效果较好。     

基于灰色GM(1,3)-马尔可夫链模型的公路客运量预测

为了获得更精确的公路客运量预测结果,经分析,以公路客运量、人口和国内生产总值数据为基础,将灰色模型预测方法GM(1,3)和马尔可夫链预测结合,构成组合模型,对公路客运量作出预测,通过对杭州市公路客运量预测的实例分析,对比预测值和实际值,得出基于灰色GM(1,3)-马尔可夫链模型获得的预测结果比灰色预测更加准确的结论,研...     

基于灰色理论的北京公交客运量的预测和分析

对公交客运量的预测和分析是非常重要的工作,通过预测和分析方法的简单比选,确定应用灰色理论进行北京公交客运量的分析和预测。根据灰色理论,建立灰色预测模型预测公交客运量,并建立灰色关联模型从供给、需求和竞争三个方面分析公交客运量,是公交客运量预测和分析的实际应用方法之一。     

基于灰色理论的水路客运预测方法研究

运用灰色系统理论,建立了基于灰色理论的水路客运量预测模型,利用模型进行了预测,并对模型进行了精度检验,运用修正后的模型对河南省的水路客运量进行预测。结果表明,灰色系统模型能有效地对水路客运量进行预测,且精度较高。表明了模型具有较高的可靠性和实用性。对河南省的水路客运及相关行业的发展能够起到一定的导向作用。     

基于灰色理论的北京公交客运量的预测和分析

对公交客运量的预测和分析是非常重要的工作,通过预测和分析方法的简单比选,确定应用灰色理论进行北京公交客运量的分析和预测.根据灰色理论,建立灰色预测模型预测公交客运量,并建立灰色关联模型从供给、需求和竞争三个方面分析公交客运量,是公交客运量预测和分析的实际应用方法之一.     

基于IWOGA算子的公路客运量组合预测模型

客运量预测是进行公路网规划的必要环节和计算公路经济效益的基础。为了提高公路客运量的预测精度,在现有客运量预测模型基础上,采用IOWGA算子将三次指数平滑、GM（1,1）预测和BP神经网络结合起来,建立组合预测模型,并以全国公路客运量为例,验证预测结果的精度。分析计算结果,将该模型所得结果与其它常用方法相比,与实际客运量之间相差较小,预测精度较好,可以作为预测公路客运量的有效方法。     

基于BP神经网络的甘肃省公路客运量预测方法

公路客运是交通科学管理的基础数据,提高公路交通管理水平,对建立平稳高效的道路交通系统具有重要意义。为了提高公路客运量的预测精度,选择与公路客运量相关的三个指标(国内生产总值、公路长度和民用车拥有量),建立了基于BP神经网络的公路客运量预测模型,并对该模型进行了应用测试,与多元线性回归预测模型进行了比较。结果表明:BP神经网络模型具有更高的精度。     

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.     

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.     

组合预测方法在我国铁路客流预测中的应用

科学准确地预测铁路客运量是制定铁路网规划的基础。目前,运量预测的模型很多,单一模型并不能完全反映运量的变化规律和信息,因此,应采用Box-Jenkins模型和灰色预测模型相组合的预测模型方法对我国的铁路客运量进行预测,结果表明,组合预测模型能够提高我国铁路客运量的预测精度。