基于改进SCGM(1,1)C模型的海上交通事故量预测

为提高海上交通事故量的预测精度,以单因数系统云灰色预测模型(System Cloud Grey Model,SCGM(1,1)C)为基础,提出基于马尔可夫预测理论修正和粒子群算法优化的改进SCGM(1,1)C模型.阐述SCGM(1,1)C预测模型的建模过程;结合SCGM(1,1)C与马尔科夫预测理论的优点构造马尔科夫S...     

基于改进灰色模型的电力系统负荷预测

传统的灰色预测模型因其所需历史数据少、计算快、对平稳地区的负荷预测有较高精度等优点,曾被广泛应用。但传统的灰色预测模型对于历史数据要求较高,最好为指数形式,并且在数据波动较大的情况下,其预测误差可能变得较大,不符合实际需要。为了减小预测误差,本文在传统灰色模型的基础上,首先对部分历史数据进行平滑处理,以确保其光滑性,同时对历史数据进行等维处理,不断的剔除旧数据,增加新数据,最后进行灰色循环残差修正,在原始数据和预测模型两个方面进行了修正,提高了电力负荷预测精度。     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

改进灰色模型在海上交通综合安全指数预测应用

为提高海上交通综合安全指数的预测精度,弥补传统预测方法的不足,构造一种改进的灰色预测模型。在对传统的灰色预测模型GM(1,1)的基本原理和预测精度进行阐述的基础上,引入弱化算子序列对灰色预测模型进行改进,设计一种改进的灰色预测模型。以2004—2013年海上交通综合安全指数4项指标历史数据为基础,进行传统灰色模型预测和改进灰色模型预测,并绘制出2种预测模型的实际值和预测值的拟合曲线。结果表明:改进灰色模型的预测精度和拟合曲线都比传统灰色模型要好,能真实反映海上交通综合安全指数的发展趋势,预测结果具有一定的可靠性和实用性。     

一种改进的ARIMA预测模型在船舶系统中的应用

为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。     

青岛港集装箱吞吐量预测

根据青岛港集装箱吞量的历史数据,分别利用指数趋势模型、改进的GM（1,1）残差模型及组合预测模型对青岛港的集装箱吞量进行探讨。结果表明,在青岛港集装箱吞量预测方面,组合预测模型具有前两种预测方法的优点,可以降低误差,提高预测精度。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过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,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。     

灰色组合模型在港口集装箱吞吐量预测中的应用

文章尝试将两种独立的灰色模型预测方法，GM（1，1）模型与Verhulst模型结合起来考虑，形成一种新的灰色组合预测模型方法．为灰色模型应用于近期、中长期的预测提供了一个新的解决方案。     

组合预测方法在我国公路货运量预测中的应用

科学准确地预测公路货运量是制定公路网规划的基础。文中运用灰色Verhulst模型和一次指数平滑模型相结合的组合预测模型对我国的公路货运量进行预测。结果表明,组合预测模型能够提高我国公路货运量的预测精度。     

基于灰色 Markov模型的我国远洋船舶货运总量预测*

对我国远洋船舶货运总量的预测关系到我国港口建设和航运发展的一系列科学规划,也关系到远洋运输在综合交通运输中的比重和国际海上运输的资源分配。单纯的灰色模型对明显单调的序列往往预测得较好,而对波动的序列则会出现精度不够理想的问题。在结合改进后的灰色预测模型和M arkov模型的理论优势后,先用改进后的灰色模型来预测远洋船舶货运总量的总体走势,再用M arkov模型来确定各种状态间的转移方式,以此提高对波动序列的预测精度,具有较高的实用价值。     

基于组合模型的天津港吞吐量预测

根据天津港货物吞吐量的历史数据,分别建立有关该港吞吐量的回归预测模型、Logistic生长曲线模型以及组合模型。通过比较3种模型的平均相对误差,可以证明组合模型的平均相对误差最小。运用组合模型预测港口吞吐量可以降低误差,提高预测精度。     

船舶交通流组合预测方法研究

船舶交通流预测的研究能为港口设计及船舶通航安全管理提供基础性数据.基于港口特征、船舶行为和船舶交通流的历史数据,建立了一种改进的船舶交通流变权组合预测模型,较好地解决了现有船舶交通流预测算法中存在的预测精度不高、依赖于经验的不足.以天津港主航道连续9年的历史观测数据为例进行验证,结果表明,改进的组合预测模型能够减小单一模型预测中存在的不确定性,从而提高了整个预测系统的精度及其稳定性.     

基于NARX神经网络的船舶升沉运动实时预测方法

[目的]对船舶升沉运动进行预测有助于增强升沉补偿器的补偿效果,减少海浪对作业设备的干扰。为提高升沉预测模型的精度和稳定性,提出一种船舶升沉运动实时预测方法。[方法]基于带外源输入的非线性自回归(NARX)神经网络建立单海况预测模型,利用船舶系统仿真器获取母船升沉运动仿真数据,将NARX模型与卡尔曼(Kalman)模型、普通反向传播(BP)模型的预测结果进行对比。在此基础上,对单海况预测模型进行改进,建立多海况预测模型。[结果]多海况预测模型预测精度较高,且稳定性优于单海况模型,在2～5级海况下的最大预测误差均小于10-4量级。[结论]仿真结果表明,NARX神经网络对复杂海浪环境具有良好的适应性,它的预测速度和精度均优于BP神经网络和传统滤波方法,在高海况下仍可保持高预测精度。     

利用改进的灰色模型预测港口集装箱吞吐量

本文介绍了灰色模型GM(1,1)及改进灰色模型(背景值优化),同时对残差校正进行优化,并用实例证明在港口吞吐量预测方面,改进灰色模型比原始灰色模型误差更小,精度更高。     

改进灰色模型在地基沉降变形的预测应用研究*

沉降变形监测与预测是施工的重要环节，然而因为成本及监测点破坏等客观情况，沉降数据往往出现不完整或时间间隔不固定的问题，导致预测精度的下降。本文针对普通灰色预测模型的局限性进行了改进，并结合某码头项目深厚软黏土层的沉降监测数据，对其进行了验证，结果表明：1）改进与普通灰色预测模型的相关系数R2均大于0.9，平均误差率都小于15%。2）相较于普通灰色预测模型，改进灰色预测模型预测曲线的中后段更贴近沉降监测数据，模型整体精度较高，证明了新模型的优越性。3）S17预测精度最差，可能由于沉降数据过少，且初始时间间隔较大。建议沉降监测应在成本范围内尽量频繁和完整。     

一类免维护成败型系统的贮存可靠性预测与评估

针对一类可局部更新维护的成败型系统的贮存可靠性特点，应用退化理论提出了该类系统的贮存可靠性预测模型，并推导出免维护的相似系统的贮存可靠性预测模型，利用有关试验统计数据对两类模型的预测精度进行验证与评估，结果表明，两类模型具有较好的预测精度和工程应用价值。     

基于速率-沉降特征分析工后沉降预测方法适用性

以曲线拟合法为主,研究了预测模型的速率与沉降的特征,指出了Gompertz模型、Usher模型等增长曲线预测工后沉降存在的不足,改进了二次三项式预测模型,提出了计算幂函数模型参数的简便方法。结合高速公路长期的工后观测资料,分析了常用方法的适用性和预测精度,并对工后沉降预测模型的选择提出了建议。     

时序数据挖掘中一种组合预测模型的研究

在时序数据的预测过程中有很多不确定的因素,用单一预测模型进行预测时,其预测精度不高.为了提高预测精度,在回归分析模型、指数平滑模型、灰色GM(1,1)模型三种单一预测模型的基础上,建立组合预测模型,并利用最小二乘法确定组合预测模型的权重.组合预测模型综合了各种预测模型提供的信息,能改善预测性能.该模型将更好的应用于时序数据挖掘.     

海滨吹填区软土地基固结沉降的预测研究

运用灰色理论建立地基沉降的非等时距的等维新息预测模型。采用胶州湾底海岸吹填区的地面沉降监测数据对预测模型进行检验,并与普通GM(1,1)模型的模拟结果进行比较,该模型的预测精度和计算精度均高于普通GM(1,1)模型,预测数据与实测数据的误差较小。本研究成果对类似的吹填区软土地基沉降监测具有一定参考价值。     

基于成长模型的吹填土软基沉降预测方法研究*

堆载预压和真空堆载联合预压处理吹填淤泥软基沉降变化规律与3种"S"型成长曲线变化规律相似。影响软基沉降发展规律的因素很多,3种成长曲线沉降预测模型仅反映了沉降发展规律中一种或几种信息特征,将各种单项预测模型进行组合,引入了变权"S"型成长曲线组合模型,结合围海造陆工程实例,对吹填淤泥软基沉降进行预测,结果表明:变权组合沉降预测模型预测未来沉降与实测值十分吻合,预测精度较单项模型高,采用该模型进行吹填淤泥软基沉降预测是可行的。