GM(1,1)预测模型在路基沉降中的应用

为了控制老路拓宽中的差异沉降,需要对新路基进行沉降预测.取沉降观测点在相同观测时段内的沉降量为原始序列,将其作1次累加生成1次累加序列,根据GM（1,1）模型建立灰色微分方程,解微分方程可得方程的时间响应序列,并采用后验差法对模型的可靠性进行了检验.通过对贺家坪连接线新路基的实测沉降数据的分析,证明将灰色预测模型GM（1,1）应用于预测路基的沉降量是可行的.在实际运用过程中,应不断代入新近的实测数据,以获得更准确的结果.     

灰色GM(1,1)模型在城市客运量预测中的应用

客运量集中反映了城市社会经济发展对交通运输的需求,它的发展程度受到许多因素的制约,具有一定的不确定性。利用灰色预测模型结合天津市历年来客运量资料进行预测,并与其他预测方法得到的结果进行比较,以期得到较精确的数据,为下一步规划服务。     

道路交通事故灰色预测模型的建构与应用研究

分析了我国当前交通安全形势的严峻性,说明了道路交通事故预测技术的重要性.在对比两种传统的交通事故预测模型的基础上,分析了灰色模型在交通事故预测中的优越性,并构建GM(1,1)对道路交通事故量进行了预测,结果证明是可信的.     

福州市道路交通事故灰色预测模型的构建与实现

分析了GM(1,1) 模型和Verhulst模型的特点和适用场合,针对福州市道路交通事故呈现S形状态的波动过程,建立了灰色Verhulst预测模型.对福州市1995～2004年的道路交通事故进行实例分析,verhlst预测模型和GM(1,1)预测模型的平均相对误差分别为11.9%和33.0%,可见Verhulst模型的预测精度明显优于GM(1,1)模型.     

基于数据预处理的铁路客运量灰色预测模型

铁路是国家的基础设施,对铁路的客运量进行准确地预测具有重要的理论意义和实际应用价值。首先对传统预测方法进行了分析,指出它们在运量预测中的不足,进而提出应用灰预测进行运量预测的优势。结合滑动平均法对灰预测方法进行了改进,同时考虑初始条件的改变。在预测2006-2010年全社会客运总量的基础上,根据铁路客运在各种运输方式中所占的份额预测2006-2010年的铁路客运总量。     

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．     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

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MATLAB的灰色拓扑在交通事故预测中的应用

针对道路交通安全的严峻形势,利用灰色拓扑预测的理论方法,对福建省交通事故死亡人数进行了分析预测,并利用MATLAB程序实现。在对福建省108个月（2005年1月-2013年12月）交通事故死亡人数分布特征分析的基础上,选定一组阈值,根据阈值建立相对应的GM（1,1）模型组,利用模型组对未来可能出现的阈值范围内的年月份进行预测。经检验,模型组精度等级良好,该方法具有一定的实用性和可靠性,可供交通部门参考。     

基于灰理论的时滞经济预测模型及应用

针对经济预测中具有时滞性样本数据序列的预测建模问题,在对GM(1,1)模型拟合残差分析的基础上,结合AR模型及残差自回归模型建立了新的时滞GM(1,1)模型,并给出了该模型一种基于最小二乘的求解算法.最后通过对我国GDP指数进行预测,给出了经济预测中建模的一个应用实例,取得了较为满意的效果.     

客运量预测模糊时间序列和灰色模型的比较

基于模糊集理论在模糊时间序列分析的基础上分别建立铁路、公路及民航客运量模糊时间序列模型,并与基于灰色理论的GM(1,1),修正GM(1,1)和Markvo三个模型进行标杆对比,结果表明:模糊时间序列模型能有效提高Markvo模型的预测效果;模型的外推预测能力比Markvo模型强;模糊时间序列模型和灰色模型相比,传统ARIMA时间序列模型及人工神经网络模型具有不需要大量历史时间序列样本的特点.     

基于GM-GRNN的能源需求预测模型研究

建立了基于GM-GRNN能源需求预测组合模型,确定了网络输入向量集合和输出向量集合,对影响能源需求的相关数据进行了仿真分析。结果表明,相对于GM模型和GRNN模型,该组合模型具有较高的预测精度,具有较强的实用性。     

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。     

改进的灰色模型在船闸通过量预测中的应用

对灰色GM(1,1)模型进行了改进,通过函数变换改变序列的光滑度,以积分逼近值代替均值作为相邻时间间隔增长量,以提高发展系数精度,从而得到了比原GM(1,1)模型模拟精度高和适用法范围更广的新模型.并以苏北运河船闸历年累计货物通过量为实例,运用原始模型与改进模型对船闸通过量进行预测,预测值与真实值相比较后,证实了文中改进的灰色模型精度较高,适用范围更广.     

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%.     

改进的灰色GM(1,1)模型在滑坡预测中的应用

滑坡形成机制复杂其变形受多种因素影响,具有相当的模糊性和灰色不确定性,因而利用灰色预测模型对滑坡进行预测将是一条有效的途径．在介绍了灰色预测的基本原理及其精度检验方法后,针对传统灰色GM（1,1）模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,表明其预测精度将得到有效提高．     

关于应用GM(1,1)模型建立交通量预测模型的研究

灰色预测有其应用条件的限制，在交通流量统计的基础上，就不同累计时间的GM（1，1）交通量模型预测效果进行对比研究，可得出累计时间越长模型精度越高并且累计时间太短不宜用GM（1，1）建模的结论。