城市货运量的灰色Verhulst预测模型

以研究城市货运量的预测方法为目的,为了提高城市货运量预测模型的预测精度,分析了GM(1,1)和Ver-hulst预测模型的特点,发现Verhulst预测模型更适用于城市货运量的预测,采用灰色Verhulst预测模型对城市货运量进行预测,通过比较GM(1,1)和Verhulst预测模型的结果可知后者具有较高的精度和可靠性,最后通过实例说明预测方法的可行性,为实际决策提供理论参考。     

基于灰色系统理论的船闸货运量预测研究

采用灰色系统理论，建立了基于GM（1，1）的船闸货运量预测模型，经检验，预测精度良好，模型为一级．应用所建模型进行了运量预测，通过后期2001～2003年实测值与预测值的对比，发现相对误差很小，预测结果合理可信，且优于常用的线性回归预测，由此可以认为，灰色预测方法是值得在水运界进行推广和探讨的．     

黑龙江省公路货运量灰色模型预测研究

利用黑龙江省公路货运量时间序列信息,根据灰色系统理论,建立黑龙江省公路货运量预测模型,为管理部门把握行业管理的主动权提供依据。     

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。     

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。     

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.     

基于GA-BP模型的铁路货运量预测

针对于目前已有铁路货运量预测方法的缺陷与不足,提出基于遗传算法和神经网络的混合预测模型对铁路货运量的预测方法进行改进优化,目的保证其预测精度.首先引用灰色关联分析法,以此来确定全国铁路货运量与其主要影响因子之间的关联度,然后按照其关联度在标准值之上的关联因子,建立GA-BP神经网络预测模型.最后通过实例分析表明,此模型预测精度及推广能力均优于传统的预测方法,从而证明该方法的可行性和有效性.     

基于灰色模型的云浮港水运货运量预测

建立了灰色模型对云浮港水运货运量进行预测.根据云浮港2010年～2017年水运货运量建立了GM(1,1)灰色模型,模型平均相对误差较大,预测结果显示2018年～2021年云浮港水运货运量将保持较高增速.灰色关联分析显示云浮港水运货运量受到云浮进出口贸易影响较大,而国际经济增长有降速趋势,因此云浮港水运货运量增长也可能放缓.对模型进行改进,引入弱化缓冲算子,得到增速放缓的预测结果.对改进模型进行检验,检验结果表明改进模型精度较高,预测结果较为准确.     

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。     

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。     

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.     

��������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.     

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.     

基于粒子群优化算法下的灰色系统船闸货运量预测

采用灰色系统理论,建立了基于GM(1,1)的船闸货运量预测模型.模型参数计算分别采用粒子群优化算法和最小二乘法,两者进行对比发现,预测误差相当,但是粒子群优化算法可以避免繁琐的矩阵运算而优于最小二乘法.应用基于粒子群优化算法的灰色系统模型进行了船闸货运量的预测.     

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.      

公路货物运输量灰色马尔可夫预测模型

为了提高公路货物运输量的预测精度,结合灰色系统和马尔可夫链的特点,建立公路货物运输量灰色马尔可夫预测模型.在实例应用中,建立运输量GM(1,1)灰色预测模型,在获得预测值和残差检验的基础上,将原始数据序列划分为4个状态,计算状态转移概率,利用灰区间中位数建立货运量灰色马尔可夫预测模型,对货运量和货运周转量进行预测.将其预测结果与GM(1,1)灰色模型的预测结果比对,结果表明,灰色马尔可夫预测模型可以用于公路货物运输量预测,且其预测精度高于GM(1,1)灰色模型.     

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。