马尔科夫残差修正灰色模型及其在公路网规划中的应用

指出灰色模型的残差是一种马尔科夫链，并在此基础上提出马尔科夫残差修正灰色模型，并将其应用于公路网规划中的运输量的预测，比较了该方法与灰色预测模型的精度，实例表明该修正模型不仅可以弥补马尔柯夫预测的局限，又可弥补灰色模型的不足，具有较高的预测精度。     

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．     

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.     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

基于灰色支持向量机的民航旅客吞吐量预测

依据灰色预测和支持向量机的特点,提出了一种将两种预测方法相结合的灰色支持向量机,并结合民航旅客吞吐量的预测结果,对比了灰色预测模型、支持向量机以及灰色支持向量机的预测结果,验证了灰色支持向量机的预测精度高,预测结果更为准确可靠,为提高民航旅客吞吐量预测精度提供了新的途径.     

基于相似关系的灰色预测方法

将相似学原理引入灰色系统研究，提出了灰色系统的相似预测方法。实例演算表明，此方法计算量小，精度也是可以接受的，是一种可行的灰色预测途径。     

寸滩站年最高水位预测模型研究

寸滩水文站是长江上游的主要控制站，分析可知，从20世纪70年代开始，由于年降水量的减少和气温的下降，年最高水位也呈逐渐下降的趋势．本文将灰色系统理论与马尔科夫链理论相结合，以1940年至2003年寸滩站年最高水位序列为研究对象。建立灰色马尔科夫预测模型．从预测结果看出，所建灰色模型大体反映了年最高水位的下降趋势，而经过马尔科夫模型对预测误差进行修正后，模型预测精度提高，计算值与实际值吻合良好．对其他站年最高水位的模拟分析表明，模型精度能满足年最高水位预报要求．说明灰色马尔科夫模型可以应用于长期预报中。     

灰色系统理论在港口吞吐量预测中的应用

应用灰色系统预测理论，以GM(1，1)模型和残差修正GM(1，1)模型对港口货物吞吐量和集装箱吞吐量进行预测，可有效克服原始数据的离散性，在少信息的情况下得到高精度的预测结果．以武汉港货物吞吐量和集装箱吞吐量为例进行了中短期的预测，并对集装箱吞吐量的预测结果进行残差检验和残差修正．结论表明，通过残差修正后的预测精度均可达到最优的精度等级．     

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。     

灰色代数曲线模型在交通量预测中的应用

灰色GM模型对于非线性系统问题的处理显得较为薄弱,而交通系统是一种复杂的非线性灰色系统,用灰色GM模型进行预测,精度必然得不到保证。本文为解决这一缺陷,提出采用灰色代数曲线模型预测交通量。实例分析表明,灰色代数曲线模型的拟合精度好于灰色GM模型,用灰色代数曲线模型预测交通量是可行的。     

改进的灰色模型在船闸通过量预测中的应用

对灰色GM(1,1)模型进行了改进,通过函数变换改变序列的光滑度,以积分逼近值代替均值作为相邻时间间隔增长量,以提高发展系数精度,从而得到了比原GM(1,1)模型模拟精度高和适用法范围更广的新模型.并以苏北运河船闸历年累计货物通过量为实例,运用原始模型与改进模型对船闸通过量进行预测,预测值与真实值相比较后,证实了文中改进的灰色模型精度较高,适用范围更广.     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

路基表面沉降视觉检测系统光斑中心定位方法研究

激光光斑中心精确定位是铁路路基表面沉降视觉测量系统的关键技术,关系沉降测量的精度.分析了铁路路基表面沉降视觉测量的基本原理,结合激光光斑图像的特点,在以光斑轮廓邻域的灰度分布进行曲面建模的基础上提出基于曲面拟合的光斑亚像素中心定位方法,并通过实验验证了该方法光斑中心定位精度优于常用的基于重心灰度分布曲线拟合法,定位精度高且鲁棒性好,达到了铁路路基沉降观测精度的要求.     

基于改进灰色预测法的乌鲁木齐市道路交通事故预测

交通事故预测是交通安全研究的重要内容,是提高道路交通安全水平的基础。为研究乌鲁木齐市道路交通事故发展趋势,在分析交通事故灰色特性的基础上,以乌鲁木齐市道路交通事故统计资料为基础,运用改进的灰色预测模型进行交通事故伤亡人数预测。结果表明,改进的灰色预测模型比传统灰色预测模型精度提高了74.98%。     

灰色模糊估算模型在工程造价中的应用

通过选择预估工程按照模型计算分析,系统研究将灰色系统理论应用到模糊估算中,灰色模糊估算模型计算的单方工程造价既考虑各个工程横向特征的相似程度,也考虑纵向发展态势的变化。将两者结合起来,探讨建立一个新的指标-综合相似度。     

基于灰色关联理论与多元线性回归模型的铁路客运量预测

对铁路客运量进行定性分析,采用灰色理论中的灰色关联分析方法,对影响铁路客运量的因素进行关联分析,挑选出关联性最强的因素,建立铁路客运量与影响因素之间的多元回归预测模型,通过实例证明,该预测方法简单可行,预测精度较高。     

���ڻ�ɫ�в�GM(1,N)ģ�͵Ľ�ͨ�����ݻָ��㷨

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.     

基于GA-BP模型的铁路货运量预测

针对于目前已有铁路货运量预测方法的缺陷与不足,提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化,目的保证其预测精度.首先引用灰色关联分析法,以此来确定全国铁路货运量与其主要影响因子之间的关联度,然后按照其关联度在标准值之上的关联因子,建立GA-BP神经网络预测模型.最后通过实例分析表明,此模型预测精度及推广能力均优于传统的预测方法,从而证明该方法的可行性和有效性.     

基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP)，有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢，容易陷入局部极值的问题，提出一种自适应递减的收敛因子，使灰狼算法区分全局搜索和局部搜索；改进灰狼个体的位置更新公式，引入惯性权重，调节惯性权重大小使灰狼算法具有跳出局部极值的能力；对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型，结果显示，TGWO-BP的短时交通流预测模型误差为10.03%，达到较好的预测精度.     

非等时距DGM(1,1)模型及其在路基沉降预测中的应用

传统路基沉降预测灰色模型往往采用将非等时距序列变换为等时距序列的方式来建立预测模型,建模过程较为繁琐。为此,本文另辟蹊径,通过引入新的序列累加累减生成运算,采用直接由非等时距序列构建预测模型的方式,以有效避免从非等时距序列到等时距序列转换的繁琐运算,提出了新的非等时距DGM(1,1)模型。在此基础上,应用最小二乘法获得新模型辨识参数值,并给出了其显著预测公式。最后,以某高速公路路基沉降预测为实例,说明了本文模型的有效性。