基于熵值法的城市汽车保有量组合预测

分析灰色系统、多元回归、指数平滑、神经网络4种预测方法的特点并利用它们分别对城市汽车保有量进行预测,在此基础上通过熵值法确定各预测模型的加权系数,建立组合预测模型,最后将1995-2007年汽车保有量的各预测值与实际值进行比较,结果表明该组合预测法精度较高,实用性更强。     

组合预测模型在路基沉降中的应用研究

为提高路基沉降预测的准确性,在S型单项预测模型和传统熵值法组合预测模型的基础上,对模型的预测值取值范围和整体稳定度2方面进行了优化,提出一种复合确权预测模型,并对其可行性和有效性进行了验证。研究结果表明:基于复合确权的组合预测模型比传统熵值法组合模型和单优化预测值取值范围模型的预测精度分别提高了3%和5%。     

BP神经网络对汽车保有量的预测

研究了BP神经网络技术在汽车保有量预测方面的应用,解决了网络收敛速度慢,准确率低的实际问题,并且提出了一些新的理论与方法。     

模糊熵值法在工程评标中的应用

对目前常用的工程评标方法进行了研究,在此基础上,建立了以模糊综合评价法和熵值法为基础的工程评标模型,为工程评标提供了一种简便而又较为客观的分析方法。     

基于RBF神经网络因子分析的汽车保有量预测

汽车保有量预测对城市交通的发展方向有直接的参考意义,通过分析影响城市汽车保有量的因素,采用因子分析法提炼出较少的线性无关的主要因素,建立预测城市汽车保有量的RBF神经网络模型.最后通过实例分析,对RBF神经网络因子分析法计算结果和全要素神经网络模拟结果比较,得出RBF神经网络因子分析法在运算效率、运算精度上的优越性.     

基于分段外推法的城市汽车保有量预测

汽车保有量的预测是城市交通规划的一项基础性工作,是制定各种交通需求管理措施的重要依据。分析影响城市汽车保有量的因素,将城市划分成不同的交通小区,并建立相应的评价模型对各小区进行综合评价。同时利用某一小区以往汽车保有量资料,建立基于分段外推法的城市汽车保有量预测模型,为城市汽车保有量的近期预测提供有效方法。     

基于遗传BP算法的我国汽车保有量预测

在对我国中长期汽车保有量预测时,针对传统BP算法的不足,采用遗传算法优化BP算法的连接权值,使优化后的BP网络的训练速度和预测精度得到了有效提高,说明该方法具有较好的实用性和推广价值.     

组合预测方法在我国铁路客流预测中的应用

科学准确地预测铁路客运量是制定铁路网规划的基础。目前,运量预测的模型很多,单一模型并不能完全反映运量的变化规律和信息,因此,应采用Box-Jenkins模型和灰色预测模型相组合的预测模型方法对我国的铁路客运量进行预测,结果表明,组合预测模型能够提高我国铁路客运量的预测精度。     

组合预测模型在交通量预测中的应用

对当前组合预测模型进行分析,在已有交通量预测模型的基础上,建立基于预测有效度的组合预测模型,应用规划方法求解各单一预测模型的最优权重系数。实测数据验证表明,该组合预测方法具有比回归分析和神经网络预测模型具有更高精度,组合方法为交通量预测提供一种可靠而有效的新途径。     

基于机器学习的私人汽车保有量影响因素分析及预测——以新疆为例

相对准确的私人汽车保有量预测可为测算私人汽车二氧化碳排放量、科学规划城市道路、制定交通拥堵缓解措施等奠定基础。鉴于此,构建基于机器学习的私人汽车保有量影响因素分析及预测模型。首先,采用机器学习中的极度梯度提升树（Extreme Gradient Boosting, XGBoost）法,以新疆的统计数据为基础,识别影响私人汽车保有量的因素。然后,比较XGBoost、随机森林（Random Forest）、神经网络（Neutral Network）三种方法的预测效果,发现神经网络在私人汽车保有量预测模型中具有较好的预测精度。最后,基于神经网络方法,对未来新疆私人汽车保有量进行预测。研究结果表明,人均GDP和城镇化率是影响新疆私人汽车保有量最重要的两个因素;到2030年,在低、中、高三种发展情景下新疆私人汽车保有量预计将分别达到650万、688万和734万辆。     

基于熵权法的农村公路线网规模组合预测

农村公路线网规模预测是"四好农村路"规划的主要内容之一。鉴于单一预测方法的局限性,基于熵权法理论,对国土系数法、人口经济密度法、连通度法合理分配权重,提出组合预测方法;以浙江省湖州市安吉县的农村公路为实例,对安吉县历年农村公路网的规模进行拟合,分别验证三种单一预测方法的合理性及其有效性;通过绝对平均误差、绝对平均百分比误差、均方根误差三种误差指标,构建评价矩阵,计算得出三种单一预测方法的权重系数分别为0.115 4,0.240 3,0.644 3,验证了熵权法能够客观地分配权重系数;对未来特征年农村公路线网规模进行预测,表明组合预测方法可以有效降低单一方法预测的风险。     

基于改进Compertz-PCA的汽车保有量联合预测

立足汽车行业,整理我国2005—2019年有关汽车保有量的相关面板数据,使用PCA方法分析,确定营运公交数、轨道交通公里数、公路里程数、城市化率、汽车报废量、社会消费品零售总额、汽车销售量、人均GDP、国民生产总值9项因素为汽车保有量影响因素.利用PC A分析后得出的7项主要影响因素构建汽车保有量综合影响指标M,借鉴国际上通用的饱和指标,结合Compertz曲线模型对我国未来20年汽车保有量的发展趋势进行预测,结合实际情况测算出我国汽车保有量.该模型由于引入综合影响指标M,所以在预测过程中考虑到更多的参数影响,提高预测精度.结果显示:我国汽车保有量已经在沿着Compertz曲线的轨迹发展,但并没有达到饱和点,即将处于成熟期,2031年汽车保有量将达到3.5亿辆.     

基于主成分和BP神经网络的汽车保有量预测

针对汽车保有量预测建模中输入因子过多而导致神经网络规模过大、泛化能力差的问题,通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。对此,以我国汽车保有量预测为例进行的仿真计算表明,结果令人满意,这也同时证明了该方法用于汽车保有量预测的可行性与有效性。     

基于主成分和BP神经网络的汽车保有量预测

针对汽车保有量预测建模中输入因子过多而导致神经网络规模过大、泛化能力差的问题,通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。对此,以我国汽车保有量预测为例进行的仿真计算表明,结果令人满意,这也同时证明了该方法用于汽车保有量预测的可行性与有效性。     

基于双重Logistic曲线模型汽车保有量预测方法

经济发展和人民生活水平提高使得汽车保有量急速上升,从而引发城市交通拥堵、能源短缺、环境污染等诸多问题,解决这些问题的前提是对未来年小汽车保有量客观、准确的预测。为了保证预测的准确性,采用双重Logistic曲线模型预测人口户数,通过分析人口户数与小汽车保有量之间的定量关系确定未来年小汽车保有量最大值范围;并结合西安市历年小汽车历史数据对未来西安市小汽车保有量进行预测。预测结果表明:该方法能根据人口增长趋势客观,动态地反映未来汽车保有量的发展趋势。西安市小汽车保有量还会快速增长,未来年小汽车保有量极值将达到626万辆左右。     

组合预测模型在铁路货运量预测中的应用

货运量预测是铁路运输规划的基础,单一预测方法很难准确有效地进行运量预测。探讨组合模型在铁路货运量预测中的应用,以全铁路货运量及社会经济发展状况为样本,对未来铁路货运量进行预测。实证预测结果表明：组合预测模型能有效综合各模型的有用信息,从而提高模型预测精度,与单一模型相比,该方法具有较好的实用价值。     

基于PCA和HMM的汽车保有量预测方法

分析了常用的汽车保有量预测方法,提出了一种新的基于主成分分析和隐马尔可夫模型的汽车保有量预测方法.选取国民总收入、人均GDP、人口总数量、城市化率、固定资产投资总额、进出口总额、城镇居民人均可支配收入、钢材产量、公路货运量、公路客运量、社会消费品零售总额11个指标作为汽车保有量的主要影响因素,运用主成分分析提取了主要影响因素的主成分.以提取的主成分与汽车保有量分别作为自变量、因变量,建立了回归分析模型.以汽车保有量回归预测值的年增长率为隐状态,以回归预测值与实际值的相对误差为可见信号,建立了隐马尔科夫模型,并对的汽车保有量回归预测值进行修正.分析结果表明:基于1994～2008年的中国汽车保有量及其主要影响因素的历史数据,应用提出的方法得到2009、2010年的汽车保有量修正值分别为6.220 96×107、7.825 12×107 veh;与2009、2010年实际汽车保有量比较,相对误差分别为-0.95％、0.30％.可见,基于主成分分析和隐马尔科夫模型的汽车保有量预测方法具有良好的预测精度,能够适用于短期预测.