有限总体中的条件最优线性无偏预测

研究了有限总体中的预测问题，给出了条件线性无偏预测的定义，并得到了唯一条件最优线性无偏预测函数。     

多元线性模型中的岭型预测

针对一般多元线性模型中常见的有偏预测--岭型预测与最优线性无偏预测的最优性判别进行了讨论,并就基于岭估计的最优预测量与经典预测量关于离差阵的最优性判别进行了探讨.     

利用无偏最优维数灰色预测模型预测我国公路货运量的发展

在无偏灰色预测模型的基础上提出了一种改进模型 ,该模型消除了传统模型和无偏模型中由于使用大量现有数据建模而带来的偏差 ,而是选用对预测值影响最大的几组数据进行建模 ,因而可称为无偏最优维数灰色预测模型。利用此模型对我国公路货物运量的发展做了预测。     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

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%.     

随机交通网络最小条件风险路径问题

为了研究风险性对于拥挤交通网络车辆的路径选择行为的影响,定义条件风险值为路径目标函数,建立随机交通网络环境下最小条件风险路径问题数学模型,证明了路径的条件风险值的次可加性,把最小条件风险路径问题转化为基于路段的最小条件风险路径问题,构造基于动态规划的标号算法求解该问题,针对Sioux Falls Network展开数值试验,对在不同风险置信水平条件下随机交通网络最小条件风险路径的计算结果进行了比较分析。结果表明:不同风险置信水平条件下求解的最小条件风险路径是不同的,风险置信水平对最优路径的选择具有重大影响。     

参数估计与假设检验的最小二乘估计——相关系数检验方法

给出一种参数估计与假设检验的最小二乘估计——相关系数检验方法，由该方法所得到的失效分布参数估计值在一定条件下可以是最佳线性无偏估计(BLUE)，对各种失效分布进行拟合检验时，该方法由于用相关系数值的高低来评价拟合的准确程度，便于判断分布拟合的优劣，从而可以使拟合检验实现一定意义下的最优化。     

灰色理论及其组合模型在交通运量预测中的运用

在灰色预测理论与方法中，由于利用累加生成手段和微分方程描述的灰色模型，在一定预测时段内具有良好的预测精度和实用性，为将误差降到最小，本文以误差平方和最小为目标函数，利用拉格朗日乘数，确定出灰色模型与一元线性回归模型的最优组合权数，结果表明其组合模型比灰色模型与一元线性回归模型单独使用时有更高精度，故对交通运量预测工作有较强的应用价值。     

Ekman最优解的条件

对Ｅｋｍａｎ模型的条件和参数的经济含义给予了明确解释，并证明了该模型在计划期内最优解的必要条件同时也是最优解的充分条件，从而保证了沿必要条件得出的轨线必然是最优轨线。最后对该模型在不同情况下的最优轨线及应用进行了讨论。     

基于诱导有序信息集结算子的最优组合预测模型在交通事故预测中的运用

基于诱导有序信息集结算子的最优组合预测模型在交通事故预测中的应用实例表明：基于10WHA算子的组合预测模型能够充分利用各个单项预测的有用信息,提高预测的精度,从而成为交通事故组合预测模型的一种新方法。