灰色理论在高速公路交通量预测中的应用

应用灰色理论，借助于EXCEL及MATLAB，对成渝等几条高速公路的交通量进行预测并结合实例建立相应的模型予以验证，通过与实际情况对比，说明该预测模型用于高速公路交通量预测精度较高，且使用方法简便。     

灰色代数曲线模型在交通量预测中的应用

灰色GM模型对于非线性系统问题的处理显得较为薄弱,而交通系统是一种复杂的非线性灰色系统,用灰色GM模型进行预测,精度必然得不到保证。本文为解决这一缺陷,提出采用灰色代数曲线模型预测交通量。实例分析表明,灰色代数曲线模型的拟合精度好于灰色GM模型,用灰色代数曲线模型预测交通量是可行的。     

交通量预测的灰色verhulst自记忆模型

导出了灰色verhulst模型的自记忆计算格式,建立了一个新的对交通量历史观测数据具有记忆功能的灰色自记忆模式;该模式克服了历史观测数据的波动对灰色verhulst模型的影响,可有效反映交通量随时间的发展规律.     

灰色理论在高速公路交通量预测中的应用

应用灰色理论,借助于EXCEL及MATLAB,对成渝等几条高速公路的交通进行预测并结合实例建立相应的模型予以验证,通过与实际情况对比,说明该预测模型用于高速公路交通量预测精度较高,且使用方便简便.     

灰色理论与模型在交通量预测过程中的缺陷分析

交通量预测是公路规划阶段的关键步骤,方法繁多,针对灰色理论与模型在交通量预测过程中的应用,以黑龙江省的几条干线公路的交通量预测为实例,从模型构造上分析了该模型在预测过程中存在的缺陷,有利于该模型的改进和完善。     

灰色理论在高速公路交通量预测中的应用

应用灰色理论,借助于EXCEL及MATLAB,对成渝等几条高速公路的交通进行预测并结合实例建立相应的模型予以验证,通过与实际情况对比,说明该预测模型用于高速公路交通量预测精度较高,且使用方便简便.     

灰色理论在公路改建项目交通量预测中的应用

采用灰色理论对公路改建项目进行交通量预测,不仅简化了传统四阶段预测法中大量的基础资料调查工作,而且也适用于无法采用增长率法的公路改建项目。采用这种方法进行的交通量预测结果也基本可信。     

神经网络修正灰色残差模型的交通量预测

通过比较神经网络、GM模型的预测结果,融合GM（Grey Model）模型与神经网络模型并构建组合模型进行交通量的预测,可以克服单个模型所存在的不足。结果证明,该组合模型在交通预测中是可行的。     

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

交通量预测的优化模型

在交通量预测的一般方法(原值预测法、经济调控法和回推算法)的基础上,建立了交通量预测的优化模型,给出了优化模型中加权系数的确定方法.     

交通量预测的优化模型

在交通量预测的一般方法（原值预测法、经济调控法和回推算法）的基础上，建立了交通量预测的优化模型，给出了优化模型中加权系数的确定方法。     

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。     

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。     

灰色模型与其组合模型的比较

运用灰色模型和二元回归模型的组合模型进行交通量的预测,结果表明,组合模型比单一的灰色模型具有更高的预测精度。     

灰色模型在社会经济预测中的应用

在交通量预测中,社会经济指标的预测是最基础的预测数据,研究了灰色预测模型在社会经济指标中的应用方法,并进行了具体的应用,实践证明应用效果良好。     

灰色模型在GDP预测中的应用

在交通量预测中,社会经济指标数据是最基础的预测数据,研究了灰色预测模型在社会经济预测中的应用方法,并进行了具体的应用,实践证明应用效果良好。     

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。     

灰色模型在社会经济预测中的应用

在交通量预测中，社会经济指标（主要指国民生产总值）是最基础的预测数据。结合具体实例，研究灰色预测模型在社会经济指标中的应用方法，证明其应用效果良好。     

交通量预测的灰色verhulst自记忆模型

导出了灰色。verhulst模型的自记忆计算格式，建立了一个新的对交通量历史观测数据具有记忆功能的灰色自记忆模式；该模式克服了历史观测数据的波动对灰色verhulst模型的影响，可有效反映交通量随时间的发展规律。