基于VB和EXCEL的交通运输量灰色预测模型程序设计

交通运输量是一个典型的灰色系统。随着计算机技术和公路行业的发展，利用计算机技术开发交通运输量灰色模型预测程序成为可能。文章介绍了基于VB和Excel的交通运输量灰色程序的实现，另外还着重介绍vB和Excel相结合设计的优点。本程序界面简单，操作方便快捷，是一个有效的交通运输量预测工具，并且能满足实际工程的需要。     

基于灰色-马尔科夫模型的高速公路货物运输量预测方法

为准确预测我国高速公路货物运输趋势,文章提出灰色GM(1,1)模型、马尔科夫模型和新陈代谢思想的组合模型,以2009—2016年我国高速公路货物周转量为原始数据序列,预测2017—2019年高速公路货物周转量。结果表明：组合模型比传统的灰色GM(1,1)模型预测精度更高,加入新陈代谢思想,删除旧数据,引入新数据,降低了长期预测的误差,对新序列采用灰色-马尔科夫模型,2018年和2019年的相对误差由原来的7.81%和6.45%分别下降到3.85%和0.62%。     

灰色预测模型在公路客运量预测中的应用

运用灰色预测系统理论,对国内公路客运量建立了基于灰色预测理论的GM (1, 1) 模型, 并运用GM (1, 1) 模型对2007～2015年国内公路客运量进行了预测.预测结果表明,该方法具有较高的预测精度.     

青藏铁路路基沉降变形的灰色预测模型研究

灰色系统预测模型的本质是对已知数据序列进行类型为指数形式的曲线拟合,然后将曲线延伸到未来,由此对未知的数据做出预测。介绍所建立的青藏铁路路基沉降变形的灰色预测GM(1,l)模型,试验应用表明,该模型具有较高的预测精度。     

基于多变量灰色模型的路基沉降预测

路基沉降变形是一个复杂的动态变化过程,常用的单变量预测模型不能考虑各沉降监测点间的相关性,不足以反映路基整体的变形规律。多变量灰色模型是单变量GM(1,1)模型在多元变量条件下的拓展,可以实现对路基中相互影响的多个监测点变形预测模型的建模和预测。实例计算表明,与单变量GM(1,1)模型相比,多变量灰色模型具有更高的预测精度,显示了该方法进行路基工后沉降预测的有效性。     

沥青路面使用性能的灰色预测研究

围绕路面使用性能四大指标,引入灰色理论中的 GM（1,1）预测模型进行预测,并根据实测结果进行验证,分析预测结果的可靠性及发展情况。结果表明,模型的预测精度为一级,预测结果与实测值相符,可作为制定养护计划的依据。     

基于灰色系统模型的西安市客运量预测

根据西安市近几年的客运情况,运用灰色系统模型理论建立GM(1,1)模型。通过检验,得出所建模型预测精度高,适用于西安市客运量预测。运用此模型得到客运量预测数据。     

单桩承载力的高精度灰色预测方法

提高传统单桩承载力的灰色预测法的预测精度是非常有现实意义的。以灰色理论为基础,先对有限实测数据进行筛选,建立单桩荷载-沉降关系的优化GM(1,1)模型,介绍一种在有限实测数据条件下高精度预测单桩极限承载力以及完整的荷载-沉降关系的方法。通过工程实例的分析计算,证明该法具有的预测精度较传统灰色法提高3倍以上。     

灰色理论在软土路基沉降分析中的应用

根据灰色理论建立GM(1,1)模型,得到时间响应函数及预测模型,据此对路基沉降过程和最终沉降量进行预测,其预测精度满足工程需要.     

基于多因子关联分析的道路交通事故灰色预测模型研究

基于灰关联分析,对道路交通事故的影响因子进行预处理,建立了基于多因子关联分析的道路交通事故GM(1,N)预测模型。对哈尔滨市1994年~2004年的道路交通事故进行实例分析,预测结果表明GM(1,N))模型的预测精度高于GM(1,1)模型及多元线性回归模型。该模型克服了GM(1,1)模型对于波动性较大的非平稳数列预测精度低的缺点,该模型具有简单、有效、预测精度高的特点。GM(1,N)模型是一种动态数据处理方法,且不会出现量化分析与定性分析结果矛盾的现象,能够很好的反映交通事故的未来发展趋势。     

道路交通量灰色预测模型研究

道路交通量的预测对合理进行公路网的规划、工程可行性研究以及提高道路养护质量起着重要的作用。利用灰色系统理论,建立了道路交通量预测的GM(1,1)灰色预估模型及其残差模型,并将其应用于高速公路的交通量预测中,预测结果和实测结果较好的吻合,验证了预估模型的精度,表明预测方法的可行性。     

基于小波-SVR模型的短时交通量预测研究

短时交通量预测是智能交通系统提供交通信息、诱导交通与制定控制策略的重要基础。基于小波分析与支持向量回归机(SVR)预测,提出一种基于小波-SVR模型的高速公路短时交通量预测方法。该方法采用小波分解与重构算法,将交通量原始信号分解为逼近信号和细节合成信号,利用SVR对2种信号分别进行建模分析,最后合成预测结果。应用该方法可实现时间间隔为5 min的交通量预测。实例分析表明:与直接应用SVR模型相比较,小波-SVR模型各项评价指标更优,其为交通量实时准确预测提供了更为科学的方法。     

基于四阶段法的旅游交通量预测

公路旅游交通是公路交通运输业的重要组成部分,随着现代旅游业的发展,公路旅游交通在公路交通运输业中的地位日益显现。然而目前缺乏有效的预测公路旅游交通量的方法。采用四阶段分析理论,以利川和万州地区高速公路建设为分析对象,在分析区域社会经济、旅游人数和旅游产业发展趋势的基础上,预测区域旅游交通总量,在分析基年旅游交通量分布的基础上确定各路段的交通出行量。有效地预测了利川和万州地区高速公路建设中的旅游交通量。     

基于交通量演变模式检索的高速公路交通量预测方法

通过交通量预测的方法,可以在突发事件情况下评估事件对高速公路网的交通影响。各种预测算法的共同特征,需要一定的历史数据支持。在同一算法中,对历史信息吸收得越多,其预测往往越准确。作者借用图像压缩的原理,从历史交通数据中抽象出历史交通状态演化模式,并用压缩码表示该演化模式。通过对压缩码的检索,可以快速提取与当前演化模式相近的历史数据,通过这些演化模式相近的历史数据,预测交通状态的变化趋势。试验证明,预测数据与真实数据具有良好的拟合度。     

基于 QPSO-RBF 的交通量预测方法研究

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.     

基于QPSO—RBF的交通量预测方法研究

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.     

基于径向基函数神经网络的交通量预测

采用了径向基函数神经网络进行未来年的交通量预测,它具有收敛速度快、唯一最佳逼近且无局部极小等优点。在进行交通量预测时,选取公路里程、汽车保有量、国民生产总值、国民收入和人口作为交通量影响因子,通过2个网络模型,在输出层输出该年的预测交通量。     

基于径向基函数神经网络的交通量预测

采用了径向基函数神经网络进行未来年的交通量预测,它具有收敛速度快、唯一最佳逼近且无局部极小等优点.在进行交通量预测时,选取公路里程、汽车保有量、国民生产总值、国民收入和人口作为交通量影响因子,通过2个网络模型,在输出层输出该年的预测交通量.     

基于GIS平台的地铁客流预测模型构建

借助GIS平台,对公交线网进行编码,并利用ArcGis的缓冲和叠加分析工具,建立公交站点和地铁站点的空间对应关系。根据调查得到的公交线路站间OD矩阵,利用地铁意向调查标定的参数结果,得到公交客流转移到地铁的比例。基于GIS平台构建的地铁客流预测模型,可以有效地提高建模速度,并能对公交线路调整进行快速反应。