基于改进三参数灰色模型的海上交通事故预测

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。     

改进二阶灰色极限学习机在船舶运动预报中的应用

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。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

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。     

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.     

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。     

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.     

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。     

港口吞吐量预测的时序残差修正Verhulst模型

灰色系统预测模型是一种进行港口吞吐量预测的有效方法。但是,当港口吞吐量按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行吞吐量预测的误差较大,预测精度不能满足实际要求。根据港口吞吐量的增长规律,通过典型实例提出了基于时序残差的港口吞吐量预测Verhulst模型,用于中长期港口吞吐量预测。应用结果表明,本模型对于那些暂时处于快速增长而从长远看按“S”型曲线增长的港口吞吐量预测具有较高的预测精度,同时保留了灰色预测方法的原有优势和特点。     

基于支持向量机的舰船维修费用组合预测研究

在费用预测中,利用单一模型往往存在着信息不足的缺陷。为了提高舰船维修费用的预测精度和稳定性,采用支持向量机（SVM）回归算法,把几种单一预测模型结果作为输入,实际值作为输出,然后用足够多的预测案例训练学习机器,在各组合的模型预测结果与实际之间得到一种非线性映射关系,从而建立了非线性组合预测模型。最后,以某型舰船维修费用为例,对指数平滑法、灰色预测和参数法3种方法的预测结果进行仿真,结果表明此法较传统的单一模型预测法具有更高的预测精度。     

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。     

灰色模型在电力负荷预测中的应用与改进方法

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。     

基于灰色马尔科夫模型的船舶交通流预测

鉴于船舶交通流预测的复杂性,利用单一的灰色预测方法难以对其做出准确预测,考虑交通流量的波动性,将灰色预测理论和马尔科夫预测方法结合以建立灰色马尔科夫预测模型,利用该模型对长江口河段的船舶交通流量进行预测分析。研究结果表明:灰色马尔可夫链模型的预测结果较单一的灰色预测结果更接近实际值,相对误差较小且具有较高的拟合精度,对于具有一定波动性和随机性的船舶交通流有较高的预测精度,可应用于实际船舶交通流量预测研究中。     

基于Legendre基的港口吞吐量循环预测方法

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。     

基于改进PSO-BP神经网络的船舶交通流预测分析

为了进一步提高船舶交通流的预报精确度,文章建立了一种自适应变异的粒子群优化算法SAPSO,将BP神经网络模型与SAPSO算法相结合,进行船舶海上交通流分析预测。此外,文章采用灰色关联分析法GCA确定交通流预测模型的输入维数。SAPSO-BP预测模型运用自适应变异的PSO算法优化传统BP神经网络的模型参数,克服了传统BP神经网络的对模型的初始权值阈值敏感和易陷入局部最优的缺点,进而提高模型的预报精度。选用天津港口区域的船舶AIS实验数据,验证了预测模型的有效性。     

基于MATLAB的组合模型在港口吞吐量预测中的应用

以某港1998-2007年集装箱吞吐量为实测数据,建立其集装箱吞吐量的灰色理论、三次指数平滑、三次多项式等预测模型,在MATLAB下,对比该港集装箱吞吐量各模型预测拟合值与实际值的差异,分析了差异产生的原因及其单一预测模型的局限性,提出了港口集装箱吞吐量组合预测法.其预测误差明显低于其它单模型.运用组合预测模型,可降低误差,提高预测精度.     

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。     

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.     

灰色-趋势曲线组合预测模型在港口吞吐量预测中的应用

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。