基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

基于无偏灰色马尔科夫模型的客流量预测

为合理制定城市轨道交通列车开行方案,同时为城市轨道交通公安机关布置警力提供科学依据,采用无偏灰色马尔科夫模型进行客流预测。分析灰色GM(1,1)模型和无偏灰色GM(1,1)模型的基本特点,在此基础上构建马尔科夫模型。以郑州地铁1~#线2017-02-03—02-18每日客流量为基础,分别利用无偏灰色GM(1,1)模型和马尔科夫模型计算客流量,并对预测结果进行检验对比。结果表明:马尔科夫模型较无偏灰色模型对客流量的预测精度提高54%。利用马尔科夫模型对未来3d的客流量进行预测,预测结果符合城市轨道交通客流的实际情况。     

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%.     

城市短期交通流量预测方法的探讨

根据实际观测得到的交通流量数据,运用灰色预测模型、神经网络以及最小二乘拟合等三种交通流量预测模型．对上海市延安东路隧道浦西段入口处短期车流量进行短期的预测。计算结果表明,神经网络模型的精度最高。最后提出一种根据短期交通流量预测结果的人工智能解决交通拥堵的方案。     

基于改进灰色马尔科夫模型的地铁客流预测

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型,对西安地铁客流量的数据进行分析预测;然后对原始数据序列滑动平均处理,再用无偏GM(1,1)模型拟合系统的发展变化趋势,将修正后得到的模型与马尔科夫模型进行结合,提出改进的灰色马尔科夫模型预测方法。利用改进后的新模型对地铁客流的预测结果与传统的灰色马尔科夫模型进行对比。结果表明,改进后的灰色马尔科夫模型预测精度有显著提高。     

基于改进灰色马尔可夫的港口货物吞吐量预测研究

为了提高港口货物吞吐量的预测精度,以宁波舟山港为例对灰色马尔可夫组合预测模型进行了优化研究。首先,用中国统计年鉴中宁波舟山港货物吞吐量的历年数据建立灰色GM(1,1)模型;其次,对模拟误差值用一阶马尔可夫链进行修正并确定误差的转移状态,建立复合灰色马尔可夫预测模型;最后,用粒子群算法对该复合模型进行迭代寻优并优化改进,使模型能够根据实际情况对每个灰区间分别进行分析计算,并实时动态更新其区间参数;最终,提高改进后的模型误差精度。结果表明,用粒子群算法改进的灰色马尔可夫模型误差均值下降了37%,预测值与实际值的拟合度更高,预测结果更符合实际情况。     

基于灰色神经网络的港口集装箱吞吐量预测模型研究

为降低港口集装箱吞吐量的预测误差,提高预测精度,在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的基础上,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。     

交通流预测的马尔科夫粒子滤波方法研究

智能交通系统中,短时交通流预测是实现先进的交通控制和交通诱导的关键技术之一.针对目前马尔科夫交通流量预测模型在精度方面的不足,以及交通流量随机性、波动性的特点,提出马尔科夫粒子滤波交通流预测模型.一方面,将对交通流量预处理后的样本数据应用于马尔科夫模型中预测未来交通流量,能够较好地描述交通流量的变化趋势;另一方面,针对该预测结果精度的不足及对非线性预测不稳定的缺点,引用粒子滤波算法,将预测结果及权值进行不断更新,以及样本重选样过程,经过多次迭代,使样本粒子更加逼近真实预测值,从而提高预测精度.最后,以北京昌平区某检测器检测到的交通量进行仿真,将预测结果与传统马尔科夫链进行误差对比分析.结果表明,本文提出的马尔科夫粒子滤波交通流预测模型 5 min间隔误差为6.14%、1 h间隔误差为6.04%,预测精度高,具有更好的适用性和稳定性.     

基于GA-灰色神经网络的沥青路面使用性能预测

为准确预估我国沥青路面使用性能的变化趋势,在传统灰色预测模型GM(1,1)的基础之上,提出了无偏GM(1,1)模型和滑动GM(1,1)模型,并通过遗传算法(GA)优化后的BP神经网络对传统、无偏与滑动GM(1,1)模型进行了组合,得到了兼顾灰色理论、遗传算法和BP神经网络优点的GA-灰色神经网络组合预测模型,并以具体实例验证了该模型的有效性。结果表明:传统GM(1,1)模型的平均相对误差为4.67%,无偏GM(1,1)模型的平均相对误差为4.64%,滑动GM(1,1)模型的平均相对误差为4.63%,灰色神经网络组合模型的平均相对误差为2.41%,而GA-灰色神经网络组合模型平均相对误差仅为0.54%,证明所提出的组合模型预测精度较高,误差较小,可作为制定路面养护计划的依据。     

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SPSS和多元线性回归的船舶交通流分布拟合研究

基于多元线性回归理论对影响船舶交通流的主要因素进行了分析,利用SPSS软件拟合了交通流量分布函数,并以长江流域江阴段的船舶交通流量数据进行验证,实验结果表明船舶交通流量分布函数模型具有较高的可信度.     

基于CNN-GRU的船舶轨迹预测

针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和门控循环单元(Gated Recurrent Unit, GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时刻轨迹特征值作为输出,训练构建的CNN-GRU轨迹预测网络,对未来船舶轨迹进行预测,并与现有模型进行对比.实例验证表明：CNN-GRU模型的预测精度显著提升,经度误差不超过3×10^-5(°),纬度误差不超过5.5×10^-4(°),相较于CNN-LSTM模型,预测效率显著提高,运行时间减少19.1 s.     

改进无偏灰色模型预测沥青路面使用性能评价指标

分析了灰色模型预测路面使用性能的可行性,选取陕西省某条高速公路路段PCI、PSSI、RQI和SRI 4项指标2012年至2016年历史数据建立了无偏灰色预测模型,引入残差对无偏灰色预测模型进行改进,运用马尔可夫状态转移矩阵来判断残差预测值在k≥n时的符号,建立了改进无偏灰色预测模型,减化了计算步骤,提高了预测精度。并对该路段2017年路面使用性能各评价指标进行了预测,根据预测结果提出了相应的养护措施。     

灰色模型GM(1,1)在出生缺陷预测中的应用研究

目的探讨灰色模型GM(1,1)在预测不同水平出生缺陷发生率中的应用问题及数据波动性对预测效果的影响。方法利用2009年10月至2016年9月西安市出生缺陷监测数据,构建总出生缺陷及前5种缺陷的月、季度、年共3个层次出生缺陷发生率的GM(1,1)灰色模型,比较不同层次预测模型的拟合精度。结果总出生缺陷年度预测时,平均相对误差为4.6%,均方差比为0.259,提示其预测效果较好;按季度预测时效果勉强合格,平均相对误差为10.2%;按月进行预测时,效果较差,平均相对误差为17.5%。西安市前5种出生缺陷(先天性心脏病、唇腭裂、神经管畸形、多指、先天性脑积水)灰色模型预测结果都随着预测时间单位的变大,拟合精度逐渐提高,年预测模型拟合精度最好。结论灰色模型的预测效果可能与数据波动性有关,对出生缺陷发生率进行预测时以年度为单位的结果可能较适宜。     

背景值优化的灰色马尔科夫模型在铁路客流预测中的应用

以提高铁路客流预测精度为出发点,通过对传统的灰色模型进行分析,采用积分的数学思想对灰色预测背景值进行优化.结合马尔科夫预测模型的优点,运用马尔科夫对优化后的灰色预测模型误差进行修正,提高了预测模型的精度.以我国铁路客流预测为实例,通过对预测模型的预测结果的对比研究,验证了模型的有效性.     

船舶航迹复合预测控制模型

为了提高船舶航行控制质量, 建立了船舶航迹复合预测控制模型, 依据灰色预测模型处理船舶运动控制的不确定量, 利用反传多层感知器自适应网络从船舶航行偏差的历史数据中得出控制偏差趋势, 根据灰色预测和神经网络预测的误差大小, 进行组合模型优选及组合权系数优化, 确定航迹最优控制策略。仿真结果表明: 当船舶旋回性指数、船舶追随性指数与滞后时间其中一个大于1时, 任何参数的改变均会引起PID振荡, 而船舶航迹复合预测控制模型能以较少的操舵动作迅速收敛, 从而使船舶航迹与预定航线更加拟合, 因此, 其控制系统的鲁棒性、快速性和稳定性高。     

短时交通流量预测在最优路径选择中的应用

针对短时交通流量在部队选择最优开进路线时的影响,本文对影响路径诱导的短时交通流量预测算法进行研究,运用基于灰色理论和马尔可夫链的组合预测算法,对某市一条主干道的短时交通流量进行了预测.结果表明,组合预测算法具有更好的预测精度,相对误差为8.768%.能够满足部队选择最优开进路线的时限要求.     

带时间矩阵的灰色模型在沉降预测中的应用

灰色模型一般应用于等时长的数据预测,而对非等时长的数据预测,则需通过拉格朗日插值等方法进行修正,因而有一定的误差。考虑将时间矩阵加入公式,采用推导的公式对高速公路路基沉降进行拟合预测,证明了该方法有较高的预测精度,具有一定的实用价值。     

利用无偏最优维数灰色预测模型预测我国公路货运量的发展

在无偏灰色预测模型的基础上提出了一种改进模型 ,该模型消除了传统模型和无偏模型中由于使用大量现有数据建模而带来的偏差 ,而是选用对预测值影响最大的几组数据进行建模 ,因而可称为无偏最优维数灰色预测模型。利用此模型对我国公路货物运量的发展做了预测。     

基于遍历灰色模型的城市生活需水量预测研究与应用

介绍遍历灰色模型T-GM(1,1)的原理及建模方法,以昆明市1995～2005年城市生活用水量为原始数据建立遍历灰色模型T-GM(1,1),运用后验差对模型进行精度检验,其模型拟合精度高、精度等级为一级.利用所建模型对昆明市2006～2008年的生活需水量进行预测,预测结果与实际用水量非常相近,相对误差最大仅为0.81...