基于残差修正GM(1,1)模型的包神北线货运量预测

运用灰色理论,以包神铁路北线2010—2016年的货运量为基础对包神北线的货运量进行预测。根据GM(1,1)模型建立的步骤,建立包神北线货运量预测模型,并对残差进行分析,并通过残差修正模型对残差进行修正;最后使包神北线货运量的预测值在合理的预测精度之内,并对预测结果进行分析。为管理决策人员做出科学合理的决策提供理论依据。     

GM(1,1)模型在公路货运量预测中的应用

运用GM（1,1）模型对河南省货运总量和公路货运量进行预测,可为河南公路网规划和公路建设提供科学的决策依据．     

基于改进灰色GM(1.1)模型的铁路货运量预测

针对铁路货运量年度长期预测对货运部门制定短期运输规划指导不足的问题,引入GM(1.1)模型预测铁路月度货运量.考虑货运量序列常呈振荡波动的特征,利用加速平移变换和加权均值变换弱化序列的波动性后,建立改进灰色GM(1.1)模型实现最终预测.对我国2019年11月至2020年5月铁路月度货运量序列拟合结果比较表明,与传统GM(1.1)模型相比,改进GM(1.1)模型在预测精度方面明显提高,能更好的拟合铁路月度实际货运量,解决了传统GM(1.1)模型对呈现振荡波动现象的铁路货运量预测精度较低的问题.     

基于改进残差GM(1,1)混合模型的大跨度RC拱桥线形预测研究

针对大跨度钢筋混凝土拱桥的线形预测与控制问题,提出了一种由Logistic函数加权改进的残差GM(1,1)线形预测模型,以大跨度钢筋混凝土拱桥工程为背景,对线形控制预抬值进行了预测分析。研究结果表明：改进残差GM(1,1)模型预测预抬值结果较为逼近实测预抬值,除个别拱圈节段外,相对误差低于10%,而理论预抬值结果偏低;由改进残差GM(1,1)模型预测得到的成桥线形与实测成桥线形、设计成桥线形拟合良好,验证了该预测方法的科学性。     

基于GM(1,1)模型的道路交通事故预测

道路交通事故的发生虽具有偶然性,但也可利用预测理论的方法加以预测。在分析道路交通安全系统灰色属性的基础上,提出将道路交通事故作为道路交通安全系统行为特征量处理,运用灰色理论和方法来进行道路交通事故预测,在此基础上,建立了道路交通事故的GM(1,1)灰色预测模型,并通过实例验证了预测模型的适用性。     

GM(1,1)模型在春运铁路客流预测中的应用

客流量预测是铁路运输组织工作的重要基础,是铁路部门制定运输方案和列车开行计划的主要依据。采用灰色GM(1,1)预测模型建立我国春运铁路客流量的预测模型,经验证,建立的模型精度较高,可预测短期客流量。最后,运用该模型对我国未来5年的春运铁路客流量进行预测,结果表明:近几年我国春运铁路客流量呈现出线性增长趋势,年平均增长率为7.7%。     

基于GM(1,1)模型的建筑物变形预测分析

基于灰色GM(1,1)建模方法和模型检验方法,通过Matlab程序设计,实现了GM(1,1)程序化自动预测.通过实例说明了模型在工程建筑物变形量预测中的应用.分析表明,当系统呈指数变化时,预测值和后续实测值吻合度较好,可应用于二级精度标准的建筑物变形监测中.     

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GM(1,1)模型的交通客运量发展预测

采用灰色系统理论中的GM(1,1)模型,选取2001~2005年我国客运运量数据,分别建立了铁路、公路和民航客运周转量的预测模型,经检验,模型精度等级较高。应用所建模型进行了2006~2010年客运周转量预测,并对照2006年实际运量数据,证明预测结果精度较高。最后讨论了GM(1,1)预测模型在运量预测实际应用中的指标选取、模型检验和应用范围。     

基于改进GM(1,1)模型的轨道不平顺预测

在分析传统灰色GM(1,1)求解过程的基础之上,指出了GM(1,1)模型的不合理之处,并加以改进,使该模型达到了更高的道路路基沉降预测精度。     

基于GM(1,1)和BP网络的港口吞吐量预测

分析了灰色和人工神经网络预测方法的互补性,在此基础上提出了将灰色与人工神经网络结合的灰色-神经网络混合模型.分别采用GM(1,1)模型、BP网络模型和灰色-神经网络混合模型对某港口货物吞吐量进行预测并用实测数据验证.结果表明,灰色-神经网络混合模型预测效果最佳.     

基于GM(1,1)模型的十堰旅游数据预测研究

十堰市旅游人次与旅游收入之间存在着较强的正相关关系。运用GM(1,1)灰色预测模型和Matlab软件,对十堰旅游收入及旅游人次进行了预测。讨论了GM(1,1)生成的预测值,指出存在的问题,并提出促进十堰旅游业平稳健康发展的建议。     

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。     

道路交通事故预测中的灰色预测GM(1,1)模型

针对交通事故发生的特点，探讨了灰色模型GM(1，1)在道路交通事故预测中的具体应用，介绍分析道路交通事故的灰色性的基础上，建立了基于灰色预测理论的GM(1，1)模型，并用其分别对道路交通事故的死亡人数、交通事故量进行了预测，其结果是可信的。GM(1，1)模型是最常用的一种灰色模型，它对于“不确定问题”的研究的主要意义是通过信息覆盖，构造生成序列的手段来寻求现实现象中存在的规律，可以相对减少对历史数据的依赖性和“少数据建模”的特点。它尤其适合于交通事故预测这样“小样本”的随机不确定问题。     

基于改进新陈代谢GM(1,1)模型的短期风速预测算法

基于新陈代谢GM(1,1)模型,提出了改进的新陈代谢GM(1,1)模型,其主体思路即尽可能用最新的信息代替陈旧的信息,在预测的精确度与预测的收敛性之间达到最佳的平衡.文中算例对基于GM(1,1)模型、新陈代谢GM(1,1)模型及改进的新陈代谢GM(1,1)模型的风速预测结果进行了仿真分析,预测结果证明了所提出方法的有效性.     

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%.     

区域物流量预测的灰色GM(1,1)模型应用

介绍了灰色预测模型以及灰色预测模型在物流量预测中的应用.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,并以某省物流量预测为例进行了实际应用.最后用级比检验和残差检验的方法对预测进行了检验,证明了预测的可信性.     

GM(1,1)模型在公路里程预测中的应用

为提高公路里程预测精度,在分析传统预测方法存在问题的基础上,根据灰色预测理论的优点,运用GM(1,1)模型对广西省公路网里程进行预测分析,结果表明该法具有较高的预测精度。