|
1.
|
道路交通事故灰色马尔可夫预测模型 被引次数：29
|
|
|
|
|
|
|
李相勇 张南 蒋葛夫《公路交通科技》,2003年第20卷第4期
|
|
|
在道路交通事故灰色预测的基础上，引入马尔可夫链预测理论，建立道路交通事故灰色马尔可夫预测模型。道路交通事故灰色马尔可夫预测兼有灰色预测和马尔可夫链预测的优点，模型克服了随机波动性数据对道路交通事故预测精度的影响，拓宽了灰色预测的应用范围。实例计算证明：道路交通事故灰色马尔可夫预测模型预测精度高于GM(1，1)模型预测精度，模型可以用于道路交通事故预测。
|
|
2.
|
道路交通事故灰色Verhulst预测模型 被引次数：23
|
|
|
|
|
|
|
王福建 李铁强 俞传正《交通运输工程学报》,2006年第6卷第1期
|
|
|
为提高道路交通事故灰色预测模型的预测精度,分析了GM(1,1)模型和灰色Verhulst模型的特点,发现GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。针对近年来中国道路交通事故表现为具有饱和状态的S形过程,建立交通事故Verhulst预测模型。Verhulst预测模型和GM(1,1)预测模型预测的2004年交通事故死亡人数分别为10.87万人和11.72万人,相对误差分别为1.49%和9.43%,可见Verhulst模型的预测精度明显优于GM(1,1)模型。
|
|
3.
|
道路交通事故预测中的灰色预测GM(1,1)模型 被引次数：5
|
|
|
|
|
|
|
刘建齐 陈兰 刘建武《广西交通科技》,2003年第28卷第4期
|
|
|
针对交通事故发生的特点，探讨了灰色模型GM(1，1)在道路交通事故预测中的具体应用，介绍分析道路交通事故的灰色性的基础上，建立了基于灰色预测理论的GM(1，1)模型，并用其分别对道路交通事故的死亡人数、交通事故量进行了预测，其结果是可信的。GM(1，1)模型是最常用的一种灰色模型，它对于“不确定问题”的研究的主要意义是通过信息覆盖，构造生成序列的手段来寻求现实现象中存在的规律，可以相对减少对历史数据的依赖性和“少数据建模”的特点。它尤其适合于交通事故预测这样“小样本”的随机不确定问题。
|
|
4.
|
最优加权组合模型在水上交通事故预测中的应用
|
|
|
|
|
|
|
危强 ;陈海山《中国水运》,2014年第8期
|
|
|
依据水上船舶交通事故数据，在建立GM（1，1）模型和灰色Verhulst模型的基础上，建立了水上船舶交通事故数的最优加权组合模型，并对各模型的预测精度进行了分析比较。结果表明，组合模型比单一模型有更高的预测精度。采用该组合模型是提高水上交通事故预测精度的有效方法。
|
|
5.
|
福州市道路交通事故灰色预测模型的构建与实现 被引次数：1
|
|
|
|
|
|
|
郑建湖 黄明芳 陈慧《武汉理工大学学报(交通科学与工程版)》,2011年第35卷第3期
|
|
|
分析了GM(1,1) 模型和Verhulst模型的特点和适用场合,针对福州市道路交通事故呈现S形状态的波动过程,建立了灰色Verhulst预测模型.对福州市1995～2004年的道路交通事故进行实例分析,verhlst预测模型和GM(1,1)预测模型的平均相对误差分别为11.9%和33.0%,可见Verhulst模型的预测精度明显优于GM(1,1)模型.
|
|
6.
|
灰色GM（1，l）和Verhulst模型在吹填土地基沉降中的应用
|
|
|
|
|
|
|
韩鹏 朱平 张文振 陈少青《港工技术》,2014年第1期
|
|
|
在利用灰色GM（1，l）和Verhulst模型预测真空预压加固吹填土地基的最终沉降量时，建模序列直接影响预测结果的精度。结合某吹填土地基加固工程的沉降监测数据，探讨监测序列长度、建模序列长度对上述2种模型最终沉降量预测值及预测精度的影响，总结出不同模型预测地基最终沉降量时建模序列的选取规律。研究结果表明，上述2种模型预测地基最终沉降量的误差均小于1.0%，灰色GM（1，l）模型的适应性更好。
|
|
7.
|
灰色马尔可夫模型在交通事故预测中的应用
|
|
|
|
|
|
|
许海华 吴云溪《交通科技与经济》,2011年第13卷第4期
|
|
|
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。
|
|
8.
|
长江干线水上交通事故的灰色分析与预测
|
|
|
|
|
|
|
《中国航海》,2019年第2期
|
|
|
为减少长江海事局辖区水上交通事故的发生,增强水上交通运输的安全,采用灰色系统理论中的邓氏关联理论和改进的灰色关联理论,对2008—2017年长江海事局辖区水上交通事故统计数据进行关联性分析,定量分析水上交通事故的主要关联因素。将不同灰色关联理论分析的结果进行比较分析,给出一种与定性分析吻合度较高的灰色关联分析方法,提高水上交通事故分析的精确度。对不符合灰色系统建模要求的随机序列,引入实用序列缓冲算子,分别构建均值和加权GM(1,1)预测模型,对长江海事局辖区未来水上交通事故进行预测,并对不同预测模型的预测值和实际值进行比对,给出一种精度达到0.7%的短期预测模型,为改善长江海事局辖区的水上交通安全形势提供参考依据。
|
|
9.
|
油水井控制中GM(2,1)优化模型参数和病态性的影响研究
|
|
|
|
|
|
|
曾亚勤《武汉理工大学学报(交通科学与工程版)》,2004年第28卷第5期
|
|
|
研究了原始序列的数乘变换对油水井控制中GM(2，1)模型参数和病态性的影响问题，建立了数乘变换值分别与GM(2，1)模型系数矩阵条件数、模型参数间的量化关系式，得到了GM(2，1)优化模型完全适用于负数据序列建模、原始序列的初值化或均值化等处理不会影响系统的预测精度和误差、选择适当的数乘变换可降低模型的病态性等重要结果．
|
|
10.
|
公路货物运输量灰色马尔可夫预测模型
|
|
|
|
|
|
|
张文会 崔淑华 邓红星《武汉理工大学学报(交通科学与工程版)》,2011年第4期
|
|
|
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.
|
|
11.
|
西部地区道路交通事故灰色模型GM（1，1）研究
|
|
|
|
|
|
|
王宇《公路交通技术》,2014年第1期
|
|
|
为掌握西部事故高发地区的交通事故特征，在2008—2012年国道314、219，叶城县、塔县地区道路交通事故统计资料基础上，运用灰色原理建立一阶单变量GM（1，1）预测模型，对上述地区道路交通事故的事故数、死亡人数进行短期预测。经精度检验，灰色预测结果精度高，且与实际相符。与传统预测方法相比较其更科学、更合理。
|
|
12.
|
高速公路隧道洞口段仰坡沉降变形监测分析与预测
|
|
|
|
|
|
|
魏建明 张作仁 杨慧《交通标准化》,2010年第7期
|
|
|
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。
|
|
13.
|
灰色Verhulst模型在水上交通事故预测中的应用
|
|
|
|
|
|
|
陈海山 危强《中国航海》,2013年第36卷第2期
|
|
|
在分析我国水上交通事故历史数据的基础上,引入灰色Verhulst预测理论.由此建立了水上交通事故Verhulst模型,并分别利用该模型和灰色GM(1,1)模型对我国近几年水上交通事故进行了预测,发现该模型精度高,拟合度更优.该模型可用于对我国水上交通事故的预测.
|
|
14.
|
用灰色马尔可夫模型预测水上交通事故量 被引次数：4
|
|
|
|
|
|
|
赵佳妮《交通运输工程与信息学报》,2005年第3卷第2期
|
|
|
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．
|
|
15.
|
舰船方位变化规律的灰预测方法研究
|
|
|
|
|
|
|
孟范栋 李斌 黄文斌《舰船电子工程》,2006年第26卷第5期
|
|
|
对方位序列进行预测对于潜艇作战具有重要的实际意义。应用灰色系统理论，以GM（1，1）模型，残差修正的GM（1，1），等维灰数递补残差修正GM（1，1）模型对目标序列进行预测，可有效克服目标方位序列的非线性和非稳定性，在信息较少的情况下达到精度较高的回归和预测效果。通过实例计算表明，上述计算可快速提供精度较高的较长时间间隔的目标方位，为潜艇作战提供有利信息。
|
|
16.
|
基于灰色系统理论的广东省交通事故预测
|
|
|
|
|
|
|
曾涛 刘芹 叶莉萍《广东交通职业技术学院学报》,2013年第4期
|
|
|
针对广东省道路交通事故统计信息少和内部发生机理复杂的特点,文章在分析广东省道路和交通安全现状的基础上,利用灰色系统理论,构建广东省交通事故GM(1,1)预测模型.根据广东省2007-2011年的交通事故统计数据,对未来短期内广东省发生的交通事故数和伤亡人数进行预测,经检验模型预测精度较好.
|
|
17.
|
基于多因子关联分析的道路交通事故灰色预测模型研究
|
|
|
|
|
|
|
马艳丽 裴玉龙《中南公路工程》,2007年第32卷第3期
|
|
|
基于灰关联分析,对道路交通事故的影响因子进行预处理,建立了基于多因子关联分析的道路交通事故GM(1,N)预测模型。对哈尔滨市1994年~2004年的道路交通事故进行实例分析,预测结果表明GM(1,N))模型的预测精度高于GM(1,1)模型及多元线性回归模型。该模型克服了GM(1,1)模型对于波动性较大的非平稳数列预测精度低的缺点,该模型具有简单、有效、预测精度高的特点。GM(1,N)模型是一种动态数据处理方法,且不会出现量化分析与定性分析结果矛盾的现象,能够很好的反映交通事故的未来发展趋势。
|
|
18.
|
基于残差单调性的GM（1,1）修正模型及其应用研究
|
|
|
|
|
|
|
杨义辉 唐树名《公路交通技术》,2013年第5期
|
|
|
通过建立灰色GM（1，1）预测模型，对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性，再基于残差单调性重新选取样本序列，再次建立1组新的灰色模型，从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM（1，1）修正模型。
|
|
19.
|
基于分数阶算子灰色理论隧道围岩变形预测
|
|
|
|
|
|
|
《中国水运》,2019年第4期
|
|
|
采用新奥法开挖隧道时围岩应力产生重分布,对隧道围岩的变形进行监控量测是必不可少的内容。这些数据也影响着接下来的工况实施,需要对现场监控数据进行有效的处理才可以有效预测。为了避开一些复杂的地质因素、围岩力学效应等较难确定的因素,采用分数阶算子灰色理论进行数据处理。介绍了分数阶算子灰色理论的基本原理与操作步骤,基于传统的GM(1,1)模型,引入分数阶精确调节累加数的数量级,以此建立分数阶算子灰色预测模型。以工程实例为研究背景,对不同模型下隧道围岩位移的预测结果进行对比分析,结果表明,分数阶算子灰色预测模型优于经典GM(1,1)模型,其模拟精度有明显的提高,能满足实际工程的需求。
|
|
20.
|
BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用 被引次数：3
|
|
|
|
|
|
|
杭力 韩直 杜益文《公路交通技术》,2006年第2期
|
|
|
在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。
|
