GM(1,2)模型在内河货运量预测中的应用

内河航道货运量预测不仅具有模糊性和动态性的特点,而且受多个因素影响,为提高预测精度,运用GM（1,N）系统综合预测模型,考虑系统中多个相关因素,并结合GM（1,1）模型,以原始离散的内河货运量、国内生产总值GDP两组数列为基础,建立GM（1,2）模型进行预测,并对2种模型的预测精度进行了对比,结果表明,GM（1,2）模型由于考虑了经济因素一定程度上增加了预测精度。     

改进的灰色GM(1,1)模型在滑坡预测中的应用

滑坡形成机制复杂其变形受多种因素影响,具有相当的模糊性和灰色不确定性,因而利用灰色预测模型对滑坡进行预测将是一条有效的途径．在介绍了灰色预测的基本原理及其精度检验方法后,针对传统灰色GM（1,1）模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,表明其预测精度将得到有效提高．     

基于灰色系统理论的船闸货运量预测研究

采用灰色系统理论，建立了基于GM（1，1）的船闸货运量预测模型，经检验，预测精度良好，模型为一级．应用所建模型进行了运量预测，通过后期2001～2003年实测值与预测值的对比，发现相对误差很小，预测结果合理可信，且优于常用的线性回归预测，由此可以认为，灰色预测方法是值得在水运界进行推广和探讨的．     

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%.     

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。     

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.     

灰色GM(0,N)法在轨道交通噪声预测中的应用

以实测样本数据为基础,根据灰色系统理论对列车车速、距轨道中心的距离两个因素进行灰色关联度分析,发现前者对线路侧方噪声级的影响要强于后者;分别建立线性回归模型和GM(0,N)模型,将预测值和实测值进行比较,发现灰色GM(0,N)模型的预测方法性能良好,是一种优秀的噪声预测方法.研究成果对轨道交通噪声影响因素的主次识别、降...     

GM（1，1）模型在福州市橘园洲大桥交通量预测中的应用研究

GM（1,1）模型具有计算量小、过程简单且精度较高等优点,特别适合于基础数据相对缺乏的城市桥梁交通量预测研究。因此,本文在介绍GM（1,1）模型的基本原理基础上,收集福州市橘园洲大桥2005年至2009年的交通量数据,应用GM（1,1）模型对其进行未来年的交通量预测,从而为城市桥梁交通量预测提供了一种简单实用的方法。这...     

基于灰理论的成都市铁路旅客周转量预测

铁路旅客周转量是一个受多种因子制约的多层次的复杂关系量,将成都市2004—2008年铁路旅客周转量作为基础数据,运用灰理论所提出的灰系统模型预测法,建立GM（1,1）模型,预测2009--2011年的铁路旅客周转量。预测结果表明2009--2011年成都市铁路旅客周转量总体呈上升趋势。同时,GM（1,1）预测值经过检验,预测结果精度较高,说明预测方法的可靠性,预测结果对合理布局规划成都市铁路枢组具有重要的现实意义。     

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．