基于SARIMA模型的广珠城际铁路客流量预测

为实现铁路车站发送客流量的短期预测，研究预测步长对短期客流预测效果的影响，分析了广珠城际铁路车站发送客流的特征和变化规律，结合客流特征及季节性差分自回归滑动平均模型（seasonal autoregressive integrated moving average，SARIMA）的适用性，构建了SARIMA客流预测模型，利用Python软件中的Statsmodels模块完成了SARIMA客流模型的精细化调参，以广州南站、小榄站的发送客流量为例验证了模型的有效性. 结果表明，SARIMA预测模型可以较好地适用于不同数量等级的客流预测，其预测精度随预测步长的增加而降低. 预测步长为1时，广州南站、小榄站、珠海站客流预测平均绝对百分比误差（mean absolute percentage error，MAPE）值分别为3.97%，5.83%，5.43%；预测步长增加为2时，各车站客流预测误差显著增加，广州南站、小榄站、珠海站客流预测误差MAPE值分别为5.31%，6.79%，7.62%；预测步长大于2时，预测误差基本保持稳定. 将SARIMA模型预测效果与随机森林（random forest， RF）、支持向量机（support vector machine， SVM）、梯度提升算法（gradient boosting， GB）、K最近邻算法（K-nearest neighbor， KNN）模型或方法的预测效果进行对比，预测步长为1时，SARIMA模型预测效果略优于其余4种模型，5种预测模型预测精度差距较小；预测步长大于1时，RF、SVM、GB、KNN模型预测误差随预测步长显著增加，预测误差为SARIMA模型的数倍. SARIMA模型在客流时间序列的多步预测方面具有较大的优势.      

混沌时间序列局域零阶预测法性能比较

利用计算机仿真比较了均值、距离加权和指数加权3种混沌局域零阶预测方法的预测精度、抗噪声及多步预测性能．在无噪声或噪声干扰较小时，距离加权预测法的性能最好；当噪声干扰较大时，指数加权预测法预测性能最优．指数加权与均值预测法几乎具有相同的多步预测能力，距离加权预测法的短期预测性能最佳．对于标准的离散混沌时间序列，3种预测方法多步预测误差达到一定值后，不再随预测步长的增加而增加；对于由连续系统抽样得到的混沌时间序列，多步预测误差呈现一定周期性变化．     

基于链路预测的中小机场连接机制研究

以中小机场航线网络为研究对象，利用链路预测理论与评价方法，从网络外生属性与内生因素角度各自建立了4种预测接近性指标，比较各指标的预测效果，并进一步设计出3种耦合接近性预测算法，选取预测精度最好的算法预测中小机场未来新增航线，并对预测结果进行实际检验。结果显示，4种内生因素指标的预测精确度均高于除起降架次以外的外生属性指标，其中局部路径(Local Path，LP)指标的预测精确度最高，挖掘网络内部的结构信息更有利于预测网络连接情况，耦合算法的预测效果优于单个指标。基于耦合算法的预测结果与未来新增航线对比发现， 预测的中小机场航线在未来新增航线中占比高于1/3，预测航线主要集中在东部地区，多数中小 机场依然会选择中心城市连接，结果较为符合中小机场实际连接情况。     

小流量下短时交通量预测最佳窗口长度与时间间隔

探讨了小流量情况下，路段短时交通量预测中的可变时间间隔及预测窗口长度对预测精度的影响，分析了不同间隔序列在反映交通流特性方面的差别和最适合的预测窗口长度，并建立神经网络模型对预测效果进行了定量比较，得到序列用于预测的最佳窗口长度和一组最优时间间隔，有助于预测算法的改进和预测精度的提高。     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测，提出了一种有效的预测方法，并构造了预测回弹模量的神经网络模型，预测结果表明，该模型具有较高的预测精度，为预测路面材料的回弹模量等力学指标提供了一种新的方法。     

基于小波和Kalman滤波的交叉口流量组合预测

为更准确地预测动态变化的道路交叉口流量，根据城市道路流量分布的特点，提出了在小波分析和离散Kalman滤波的基础上进行组合预测的方法．这种方法将路口的流量数据构造成几个相关序列，对每个序列分别进行小波变换和Kalman预测，然后将各序列的预测值组合成最终结果．这种预测方法可用于其他动态流量预测，如路段流量预测、路口流量分配预测等．实验表明，该方法可以有效地减少预测误差，并具有较好的鲁棒性。     

船舶操纵中几种海事的预测与预防

海事预测与预防是保证航行安全，减少海损事故发生的重要手段。在预测过程中，对于船舶海上交通事故的预测，重在预测分析，贵在预测方法。对于船舶碰撞事故、渔区海损事故以及船舶在大风浪中航行等不同环境，海事预测和预防应注意不同的要点。     

基于神经网络的航行安全性预测模型

指出了预测对航安全性的重要意义，传统的预测方法存在的缺陷，运用神经网络建立时间序列的航行安全性预测模型，克服了传统预测方法必须事先构造函数的不足之处，分析表明，该模型的预测精度较高。     

��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

����·����·����ת������Ԥ��

常规城市路网交通需求预测只需要进行趋势流量预测。然而当涉及到路网中部分道路改造的交通流量预测则需要进行三个部分的预测：趋势流量预测、诱增流量预测以及转移流量预测。基于传统的四阶段交通预测理论，提出了路网中存在改造道路情况下的转移流量预测方法。该方法主要内容包括：提出了预测转移流量时划分交通小区的方法；指出要预测转移流量，在交通分布预测阶段必须选用重力模型；提出在应用重力模型过程中计算交通阻抗的办法。以实际项目——厦门市中心区路网流量预测作为实例，结合交通预测软件“交运之星”，应用本方法进行预测。结果表明该预测方法行之有效。     

灰色GM(1,1)模型在区域物流规模预测中的应用

讨论了灰色预测模型以及灰色预测模型在物流规模预测中的应用．建立了基于灰色预测理论的GM(1，1)模型，叙述了运用GM(1，1)模型进行预测的详细步骤，并以山东省的物流规模预测为例进行了实际应用，最后用残差检验和后验差检验的方法对预测结果进行了检验，证明了预测结果的可信性．     

交通事故侦测中占有率的改进灰色预测

在交通事故侦测的统计预测算法中引入灰色理论的实践证明，灰色预测是占有率短期预测的可行方法，同时二重估计改进的预测方法可合理地提高交通事故预测的准确性。     

神经网络技术在客流量预测上的应用研究

以湛江至海口航线为例，介绍了应用神经网络预测客流量的方法，预测检验结果表明，ＢＰ网络的预测精度很高，是解决诸如客流量预测这类高度非生问题行之有效的方法。     

基于Pearson相关性分析的交通枢纽站客运量预测模型分析研究

2020年初，新冠疫情爆发，居民日常出行量大幅降低，未来客运量难以预测。客运量作为道路交通规划、设计、建设的重要指标，预测结果将直接影响城市道路运营效率和经济效益。为精准预测后疫情时代客运量未来发展趋势，研究以重庆四公里交通枢纽站交通客运量为预测对象，运用多种定量预测方法分别预测未来客运量，利用Pearson相关性分析，找到了适用于未来客运量预测较优的预测模型。     

神经网络在机场物流预测中的应用研究

考虑到神经网络在机场物流预测应用的必要性及其优点，依据已有的内、外回归神经网络预测模型及其算法，利用它们的良好特性，提出了对角回归神经网络滚动预测模型及其机场流预测系统，突破了传统意义上进行机场流预测的局限性，经过实际运行检验，证明在机场物流中应用人工神经网络预测方法不仅可行，可且有更好的预测精度。     

�����ۻ�������Ԥ���о�

本文的核心工作是建立了RBF神经网络—Monte Carlo货物吞吐量预测模型，利用大连港货物吞吐量的历史数据，对2006年-2010年以及2020年的大连港货物吞吐量进行预测。以RBF神经网络的预测为基础，利用Monte Carlo仿真方法对大连港货物吞吐量的预测结果进行可信度分析。得到了预测结果区间，以及预测结果在每个区间上出现的概率。文章证明了神经网络—Monte Carlo预测模型在吞吐量预测领域中的可行性，而且预测结果为大连建设东北亚建设航运中心提供了参考依据。     

灰色预测模型GM(1,1)及其在交通运量预测中的应用

讨论了灰色预测模型以及灰色预测模型在交通运量预测中的应用．建立了基于灰色预测理论的GM(1，1)模型，叙述了运用GM(1，1)模型进行预测的详细步骤，并用其分别对货物周转量、旅客周转量进行了预测，预测结果是可信的．     

熵的微分析

耗散结构理论被引入社会科学领域和综合社会科学与自然科学的整个科学领域，是近几年来的事，人们将其理论成果的精髓广泛应用于对开放的群体系统进行发展预测。例如：生态环境预测、水文预测、海洋预测、地震预测、台风预测、人口预测、人类文化发展预测、教育预测、国际航运形势宏观预测等等，由此产生了难以估量的效益。耗散结构理论中的一个关键性概念是熵，许多人对熵的概念尚未作深入细致的探讨便开始应用与此相关的某些结论，因而造成一些错讹。     

混沌时间序列的双线性自适应预测

基于混沌动力系统相空间的延迟坐标重构和双线性表达式，设计了预测混沌时间序列的双线性自适应预测滤波器．对2种低维混沌序列的预测实验表明，采用双线性自适应滤波器的预测收敛速度快，处理约50个样本时即已收敛，预测相对误差小于0．001．     

变压器油中故障气体的复合预测方法

为了提高对变压器故障的预测能力，提出了灰色粗预测、自学习神经网络在线修正的复合预测法．此法是利用GM（1，1）模型初步预测油中溶解气体的浓度及变化趋势，通过分析故障气体组分之间的影响及气体浓度时间序列之间的关系确定修正参数，将初步预测结果与修正参数作为自学习BP网络的输入，从而完成预测结果的在线修正．该方法已用于实际变压器油中溶解气体的预测，结果验证了其有效性．