��·��ͨ������֧�����������Ԥ��

对交通运量做出较为准确的预测，能对相关部门和人员把握运输市场或进行决策有所裨益。对灰色、神经网络和支持向量机的三个预测模型进行了研究，以全国1996 ～ 2003年公路货运量为例，对公路货运量进行了预测，经过比较，支持向量机的预测方法精度较高。在分析组合预测特性的基础上，提出了对灰色系统、神经网络和支持向量机三种预测方法结果进行了线性组合预测方法和支持向量机的组合预测方法。与单一预测方法结果和线性组合预测进行对比，支持向量机组合预测方法比较精确。     

用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测，提出了一种有效的预测方法，并构造了预测回弹模量的神经网络模型，预测结果表明，该模型具有较高的预测精度，为预测路面材料的回弹模量等力学指标提供了一种新的方法。     

短时交通流智能预测方法的研究

在分析短时交通流预测方法的基础上。指出现有预测方法的局限性，提出了一种将多种预测模型与人工智能技术相结合的短时交通流智能预测方法，论述了该预测方法的基本原理。     

基于神经网络的航行安全性预测模型

指出了预测对航安全性的重要意义，传统的预测方法存在的缺陷，运用神经网络建立时间序列的航行安全性预测模型，克服了传统预测方法必须事先构造函数的不足之处，分析表明，该模型的预测精度较高。     

区域货运量预测方法的比较

本文在对货运量预测理论和程序概述的基础上，介绍并比较了常用区域货运量预测方法的优缺点，重点分析了基于产业结构测度的区域货运量预测的基本原理，实证分析表明，该种方法都较目前常用的宏观货运量预测方法优。     

神经网络技术在客流量预测上的应用研究

以湛江至海口航线为例，介绍了应用神经网络预测客流量的方法，预测检验结果表明，ＢＰ网络的预测精度很高，是解决诸如客流量预测这类高度非生问题行之有效的方法。     

����·����·����ת������Ԥ��

常规城市路网交通需求预测只需要进行趋势流量预测。然而当涉及到路网中部分道路改造的交通流量预测则需要进行三个部分的预测：趋势流量预测、诱增流量预测以及转移流量预测。基于传统的四阶段交通预测理论，提出了路网中存在改造道路情况下的转移流量预测方法。该方法主要内容包括：提出了预测转移流量时划分交通小区的方法；指出要预测转移流量，在交通分布预测阶段必须选用重力模型；提出在应用重力模型过程中计算交通阻抗的办法。以实际项目——厦门市中心区路网流量预测作为实例，结合交通预测软件“交运之星”，应用本方法进行预测。结果表明该预测方法行之有效。     

基于小波和Kalman滤波的交叉口流量组合预测

为更准确地预测动态变化的道路交叉口流量，根据城市道路流量分布的特点，提出了在小波分析和离散Kalman滤波的基础上进行组合预测的方法．这种方法将路口的流量数据构造成几个相关序列，对每个序列分别进行小波变换和Kalman预测，然后将各序列的预测值组合成最终结果．这种预测方法可用于其他动态流量预测，如路段流量预测、路口流量分配预测等．实验表明，该方法可以有效地减少预测误差，并具有较好的鲁棒性。     

����BP����������Ԥ��ģ�ͼ����ڹ�·������Ԥ���е�Ӧ��

组合预测方法与单一预测方法相比可以提高预测的精度和稳定性，因此得到广泛的应用。本文首先概述了组合预测的基本思想，然后介绍了基于BP神经网络的组合预测模型，并以吉林省公路货运量为例给出计算实例，实例的预测结果非常理想，同时也用数理统计的方法证明了此模型的适用性。统计分析和实践都证明此模型的可行性和适用性，说明将此模型用于公路交通运输量预测是有效可行的。     

���Ԥ����Ȩ�ص�ȷ���о�������С����ֵ����Ӧ��

组合预测法的关健是确定组合的权重，着重研究了权重确定的不同方法。在讨论传统的组合预测方法的基础上，提出了新的组合预测方法，即以绝对值之和最小为目标函数的最小绝对值法。通过实例，将新方法和传统方法进行对比，验证了新方法的精确性和优越性。