基于灰色Verhulst模型的民航远期货运量预测研究

从分析民航远期货运量预测的难点入手,引入灰色Verhulst模型,并分析了此理论应用于中国民航长期货运量预测的可行性及方法,在此基础上建立了民航货运量的Verhulst预测模型,结合中国民航货运量的历史数据进行了研究和分析。研究表明,灰色Verhulst模型在民航长期货运量预测方面具有较好的应用效果。     

道路交通事故灰色Verhulst预测模型

为提高道路交通事故灰色预测模型的预测精度, 分析了GM (1, 1) 模型和灰色Verhulst模型的特点, 发现GM (1, 1) 模型适用于具有较强指数规律的序列, 只能描述单调的变化过程, 而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。针对近年来中国道路交通事故表现为具有饱和状态的S形过程, 建立交通事故Verhulst预测模型。Verhulst预测模型和GM (1, 1) 预测模型预测的2004年交通事故死亡人数分别为10.87万人和11.72万人, 相对误差分别为1.49%和9.43%, 可见Verhulst模型的预测精度明显优于GM (1, 1) 模型。     

隧道变形预测的灰色Verhulst模型

通过具体的实例介绍了灰色Verhulst模型在隧道变形预测中的应用,证明此模型在隧道中是适用的。并且可以通过此模型比较准确地预测隧道变形和隧道的最大变形量,以此可以在隧道修建中及时调整、确定支护参数及进行施工决策。     

灰色Verhulst模型在交通运输结构预测中的应用

合理的预测交通运输结构,对于交通体系的完善和社会经济的发展具有重大的意义.在灰色系统理论中,灰色GM(1,1)模型适用于具有较强指数规律的序列,而Verhulst则适用于非单调的摆动发展序列或者具有饱和状态的S形序列.因交通运输结构发展趋势的非单调性,尝试用灰色Verhulst模型对交通运输结构进行预测,并在实际的工程实例中,加入了等维的约束条件,采用了等维动态预测模型,以保证预测结果的精度.计算过程运用了matlab软件等辅助工具,预测精度较好,可见这是一个较好的尝试.     

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.     

基于灰色马尔可夫链模型的航空货运量预测研究

航空货运量预测是航空货运发展和决策的基础.将灰色系统理论和马尔可夫链相结合,提出了灰色-马尔可夫链预测航空货运量的预测方法,并且针对我国航空货运量的发展趋势进行了预测.理论分析与实践都表明,该方法不但预测结果可靠,而且能够对航空货运市场的发展趋势进行宏观把握,有利于决策者的经济决策行为.     

基于多模式灰色模型的地铁全网客流预测研究

地铁全网客流量预测对轨道线网规模确定及线路规划建设具有指导性作用,为准确预测地铁全网客流量,选取GM(1,1)均值模型、GM(1,1)差分模型和灰色Verhulst模型对重庆地铁全网客流量进行预测,采用平均相对误差、均方差比值和关联度三个指标对模型进行检验。结果表明:GM(1,1)均值模型预测结果与实际数据最接近,预测性能优于差分模型和Verhulst模型,为重庆地铁全网客流预测提供新思路,为重庆地铁规划建设提供理论依据。     

灰色系统理论在道路货运量、货运周转量预测中的应用

基于灰色系统GM(1,1)模型和残差修正GM(1,1)模型,预测道路货运量及货运周转量,可充分开发并利用了少量数据中的显信息和隐信息,避免复杂的相关关系,克服原始数据的离散性,得到高精度的预测结果.以山东省道路货运量及货运周转量为例进行了中短期预测,并用后验差方法对预测结果进行了检验。     

铁路货运量多维灰色模型研究

多维灰色模型是一种研究因素空间难以穷尽，行为轨迹无法控制的信息不完全的本征性灰色系统的简便方法，本文选用１９８６０１９９０年铁路货运量，固定资产投资、货运机车平均牵引总量和一次作业平均停时第四个指建立多维灰色模型，对模型的发展系数，协高数进行分析、并对模型进行检验，然后对１９９１年货运量采用一维与四维模型相结合作了预测，而且预测值与实际值相差甚小，说明预测具有一定的可靠性。     

不等时距灰色预测模型

提出了一种不等时距灰色预测ＧＭ（１，１）模型的方法，弥补了等时距ＧＭ（１，１）模型的不足，通过诸多的实例分析，结果理想可靠，有较好的实际意义。     

基于灰色自适应粒子群LSSVM的铁路货运量预测

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型.通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数.对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE、MAE、MPE和Theil不等系数分别为0.062 8、0.052 3、0.016 2和0.010 7,均小于其它模型,预测性能好;用APSO算法搜索LSSVM最优参数的时间为55.656 s,比传统交叉验证法减少了10.462 s;2006~2009年的预测相对误差分别为0.39%、-1.67%、1.44%和4.75%,适用于铁路货运量的短期预测.      

公路隧道围岩稳定位移与突发失稳时间预报研究

从公路隧道开挖围岩变形位移历时曲线的特征出发,采用灰色Verhulst生物增长模型来预报其围岩变形的趋稳位移,用Verhulst反函数模型来预报围岩变形的突发失稳时间;实例研究结果表明,它们都具有较高的预报精度.     

��������ӵ����������ʱ�����Ԥ��ģ��

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.     

Non-Linear Combined Prediction Model of Medium and Long-Term Civil Vehicle Population of China

With consideration of the economy development tendency in China, a civil vehicle population prediction model is developed based on the space-time theory. First, with the domestic and international experience on vehicle development, the gray Verhulst model is used to describe the vehicle population development tendency and predict the vehicle population in the next 20 years. Second, several social and economical indexes related to the civil vehicle population are selected by comparing the correlation coefficient value, and then, the principal component method is used to reduce dimension of the selected indexes and obtain some principal indexes. Based on the econometrics theory, a forecasting model is formulated to predict the vehicle population in the next 20 years. Integrating these two forecasting models, a non-liner combination forecasting model is developed based on the BP neural network. The reliability and accuracy of the linear combination forecasting model are tested by the vehicle data from 2003 to 2007. Finally, the civil vehicle population of China in the next 20 years is predicted based on the linear combination forecasting model.     

城市快速路速度引导预测控制模型

在城市快速路控制系统中, 将速度引导作为控制变量, 建立了宏观动态交通流模型。以车辆总行程时间与速度引导为目标函数, 计算了城市快速路入口区域流量和匝道入口区域流量, 建立了快速路速度引导预测控制模型, 对速度引导进行优化设计, 利用MATLAB软件对下游交通流突变进行仿真分析。分析结果表明: 通过速度引导控制, 交通流平均速度由72.704 6km.h^-1上升到74.167 6km.h^-1, 交通流平均密度由23.011 2veh.km^-1下降到21.156 7veh.km^-1, 波动均小于8%;速度方差下降, 且最大值仅为420(km.h^-1)²; 速度引导控制前后的速度方差与密度方差之比分别为3.57、1.91;在交通流突变时段内, 速度引导控制前后的速度方差与密度方差之比分别为4.56、2.34。可见, 速度引导控制模型有效。     

上海市产业结构调整对货运量的影响分析

分析上海市产业结构调整对货运量的影响。通过定性分析上海市货运量的增长趋势,采用灰色关联分析和回归模型定量得到上海市产业结构与总货运量的关联度以及产业结构变动对单位GDP货运量的影响。文中结论用于货运需求预测以及宏观把握货运业的发展趋势方面研究,为货运业未来的发展规划提供依据。     

民用汽车拥有量非线性时空组合预测模型

基于时空理论,结合未来我国经济发展趋势,对中国民用汽车拥有量进行预测. 首先,根据国内外汽车发展经验,利用灰色Verhulst模型拟合中国汽车拥有量的发展规律,并初步估计中国未来20年汽车拥有量;然后,根据关联理论筛选出与民用汽车拥有量关系密切的若干个社会经济指标,运用主成分分析法对这些指标进行降维,提取出几个主要的彼此不相关的综合指标,运用计量经济学理论建立民用汽车拥有量预测模型,并再次估计中国未来20年汽车拥有量;结合上述两个模型的优点,利用BP神经网络建立非线性组合预测模型. 2003～2007年数据证实该非线性组合预测模型具有更强的可靠性和预测精度. 最后利用该非线性组合预测模型对中国未来20年的民用汽车拥有量进行预测.