共查询到20条相似文献,搜索用时 15 毫秒
1.
《中国航海》2020,(1)
针对基于非齐次指数离散函数的灰色模型NHGM(1,1,k)在海上交通事故预测中存在的不足,提出一种优化背景值和残差综合修正的三参数灰色预测模型INHGM(1,1,λ,k),并通过改进的自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)算法对模型中的初始值和背景值进行优化计算。将INHGM(1,1,λ,k)模型和NGHM(1,1,k)模型与传统GM(1,1)模型应用于我国海上船舶交通事故的模拟与预测,并对模拟与预测数据的精度进行比较。结果表明:INHGM(1,1,λ,k)模型模拟和预测的平均相对误差较NGHM(1,1,k)模型更小,与传统的GM(1,1)模型相比预测精度较高,减少原模型由于参数近似替代所导致的模拟误差,在误差允许的范围内,可为船舶交通事故的预测和控制提供新的理论依据。 相似文献
2.
《中国航海》2020,(3)
为提高船舶运动预报的精度,基于海上船舶运动姿态具有灰色特性和周期性振荡特性的特点,提出一种以误差平方和最小为准则的改进二阶灰色极限学习机组合预测模型,对船舶运动姿态进行预报。该方法利用五点三次平滑算法对船舶运动姿态序列进行平滑降噪,采用余弦函数变换构建GM(2,1)预测模型;利用自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)优化极限学习机权值和阈值参数,对不同模型预测结果进行加权求和,构建改进二阶灰色极限学习机组合预测模型。对2组船模水池试验纵摇时历进行预报,并将其与其他传统的预测方法相比较,结果表明,建立的组合预测模型具有更好的预测精度和泛化能力。 相似文献
3.
4.
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。 相似文献
5.
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. 相似文献
6.
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。 相似文献
7.
8.
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. 相似文献
9.
组合预测方法在我国公路货运量预测中的应用 总被引:2,自引:0,他引:2
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。 相似文献
10.
11.
12.
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。 相似文献
13.
为科学合理的预测电力系统负荷,采用灰色模型为基本负荷预测模型,提出多种改进负荷预测模型精度的方法,并应用于深圳市年负荷预测中,预测结果显示改进后的模型提高了预测精度。 相似文献
14.
15.
港口吞吐量预测的精度对基本设施、投资规模、营运策略、发展战略及综合运输规划具有十分重要的意义。为提高港口吞吐量预测的精度,本文采用具有正交特性的Legendre基作为拟合的基函数。同时,为了进一步提高预测模型的精度,在不改变数据长度的前提下,本文提出了一种循环预测算法。最后,以实际统计资料为例,把本文方法与灰色模型的预测结果进行了比较,结果表明本文方法具有较高的预测精度。 相似文献
16.
17.
18.
19.
20.
灰色-趋势曲线组合预测模型在港口吞吐量预测中的应用 总被引:2,自引:0,他引:2
在日常工作中运用灰色理论对数据进行预测吋,往往由于实际情况的复杂性,遇到很多困难。本文结合实际情况和预测经验,提出了一种基于灰色预测理论和趋势曲线预测理论的灰色-趋势曲线组合预测模型,给出了该模型的基本思想和预测过程,并运用该模型对安徽某港口未来的吞吐量进行了预测,表明该模型在实际问题中是可以借鉴和应用的。 相似文献