灰色GM(1,1)模型在城市客运量预测中的应用

客运量集中反映了城市社会经济发展对交通运输的需求,它的发展程度受到许多因素的制约,具有一定的不确定性。利用灰色预测模型结合天津市历年来客运量资料进行预测,并与其他预测方法得到的结果进行比较,以期得到较精确的数据,为下一步规划服务。     

灰色预测模型在蚌埠市公路客运量预测中的应用

公路客运量预测是对客运量的发展趋势的动态分析,正确预测公路客运量对地区的经济发展格局和资源配置及公路运输企业的投资结构等都有重要作用。运用灰色系统模型理论,根据蚌埠市公路客运情况,建立GM(1,1)模型。通过残差检验、关联度检验和和后验差检验,得出所建GM(1,1)模型预测精度较高,适用于蚌埠市公路客运量预测。     

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。     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

非等时距DGM(1,1)模型及其在路基沉降预测中的应用

传统路基沉降预测灰色模型往往采用将非等时距序列变换为等时距序列的方式来建立预测模型,建模过程较为繁琐。为此,本文另辟蹊径,通过引入新的序列累加累减生成运算,采用直接由非等时距序列构建预测模型的方式,以有效避免从非等时距序列到等时距序列转换的繁琐运算,提出了新的非等时距DGM(1,1)模型。在此基础上,应用最小二乘法获得新模型辨识参数值,并给出了其显著预测公式。最后,以某高速公路路基沉降预测为实例,说明了本文模型的有效性。     

GM(1,1)模型在公路货运量预测中的应用

运用GM（1,1）模型对河南省货运总量和公路货运量进行预测,可为河南公路网规划和公路建设提供科学的决策依据．     

基于GM(1,1)模型的交通客运量发展预测

采用灰色系统理论中的GM(1,1)模型,选取2001~2005年我国客运运量数据,分别建立了铁路、公路和民航客运周转量的预测模型,经检验,模型精度等级较高。应用所建模型进行了2006~2010年客运周转量预测,并对照2006年实际运量数据,证明预测结果精度较高。最后讨论了GM(1,1)预测模型在运量预测实际应用中的指标选取、模型检验和应用范围。     

基于灰色GM(1,3)-马尔可夫链模型的公路客运量预测

为了获得更精确的公路客运量预测结果,经分析,以公路客运量、人口和国内生产总值数据为基础,将灰色模型预测方法GM(1,3)和马尔可夫链预测结合,构成组合模型,对公路客运量作出预测,通过对杭州市公路客运量预测的实例分析,对比预测值和实际值,得出基于灰色GM(1,3)-马尔可夫链模型获得的预测结果比灰色预测更加准确的结论,研...     

基于改进的GM（1，1）模型的公路里程预测

分析了传统GM(1,1)模型在公路网里程预测中存在的问题,利用残差改进了GM(1,1)模型,运用马尔可夫状态转移矩阵判断残差预测值在k≥n时的符号,提高了预测精度.对广西省公路网里程进行了预测分析,结果表明该法具有较高的实用性.     

基于粗糙集的公路客运量预测

公路客运量预测不仅是进行客运发展规划的基础,也是制定城市综合客运枢纽规划及综合交通规划的前提。通过对公路客运量预测决策表连续属性的离散化、决策矩阵构造及最简决策规则的获取,建立了基于粗糙集的客运量预测模型。该模型获取的最简决策规则避免了因历年统计数据波动而造成的预测误差,最终的预测结果为增长区间而不是绝对数值,更好的反映了公路客运需求。最后应用该模型预测成都市未来5 a的公路客运量,得到了客运量的增长区间。     

基于主成分回归的公路客运量预测模型研究

运用主成分回归分析法,将影响公路客运量的众多相关因素简化为少数不相关因素,消除因变量过多导致的多重共线性,可构建公路客运量预测模型。实例证明,该模型具有较高的精度,适合影响因素指标发展较为明确的客运量短期预测。     

基于主成分回归的公路客运量预测模型研究

运用主成分回归分析法,将影响公路客运量的众多相关因素简化为少数不相关因素,消除因变量过多导致的多重共线性,可构建公路客运量预测模型.实例证明,该模型具有较高的精度,适合影响因素指标发展较为明确的客运量短期预测.     

遗传神经网络在公交客流量预测中的应用研究

全面考虑影响公交客流量的各个因素,建立遗传神经网络预测模型,并把其预测结果和神经网络BP算法的预测结果进行比较．这种方法具有很强的学习能力和自适应性,其预测结果优于神经网络BP算法的预测结果,故具有很好的应用价值。     

公路客运站场建设模式研究

针对目前我国公路客运站场建设营运的特点和存在的问题,在公路客运站场经济属性分析的基础上,借鉴其他国家和其他行业的先进经验,提出不同条件下适合采用的公路客运站场建设模式,为指导我国公路客运站场发展提供借鉴。     

基于灰色-马尔科夫链理论的公路客运量预测

客运量预测是公路网规划不可缺少的环节,是公路经济效益计算的重要基础。以四川省公路客运量为例,利用灰色系统理论,建立GM（1,1）预测模型,并将灰色GM（1,1）预测模型与马尔科夫链状态转移矩阵相结合,进一步提高预测结果的精度。从计算效果上分析,该方法求得的结果与其他方法相比,与实际值偏差较小,预测效果较好。     

基于Kano模型的公路客运未来发展策略研究

为保证公路客运继续受到旅客的青睐及其市场份额,以北京市公路客运为背景,通过对其现状进行调查,分析其布局特征及客流特征,得出影响公路客运未来发展的因素;然后以旅客的需求为出发点,应用经济学中的Kano模型,并结合模糊聚类方法建立模型,对影响旅客出行需求因素的重要度进行排序;最后得出在旅客出行需求中,公路客运以其点对点直达占据绝对优势,以此为基础提出相应的策略,以期为公路客运可持续发展提供理论依据。     

����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。     

基于IWOGA算子的公路客运量组合预测模型

客运量预测是进行公路网规划的必要环节和计算公路经济效益的基础。为了提高公路客运量的预测精度,在现有客运量预测模型基础上,采用IOWGA算子将三次指数平滑、GM（1,1）预测和BP神经网络结合起来,建立组合预测模型,并以全国公路客运量为例,验证预测结果的精度。分析计算结果,将该模型所得结果与其它常用方法相比,与实际客运量之间相差较小,预测精度较好,可以作为预测公路客运量的有效方法。     

广义回归神经网络在交通运输量预测中的应用

因为交通运输、地方经济及企业发展的紧密联系,交通运输量预测成为运输市场和经济发展研究中的一个重要问题。以影响交通运输量的若干重要参数作为样本数据,构建一个广义回归神经网络,经过学习训练后使之达到误差最小,再以此网络外推出未来的交通运输量。结果证明广义回归神经网络用于交通运输量预测的有效性。