基于双重力模型和人工神经网络的空中交通流量组合预测

基于四阶段法,采用双重力模型,预测全国空域的交通流量OD分布.针对历史数据的随机性和周期性,建立灰色广义回归神经网络组合模型,得出空中交通流量的预测结果.采用马尔可夫链预测模型,分析了组合预测结果.算例分析表明,对比华北地区空中交通流量统计数据,与回归分析和广义回归神经网络模型的结果相比,本文模型预测结果的精度更高、更可信.     

四川省"十五"交通运输量的预测

交通运输量预测的科学性是促进交通运输事业规范而高速发展的关键，对于解决现阶段我国建设资金严重不足也具有重要意义．通过对交通运输量预测的影响因素进行详细分析，得出经济发展水平与人口数量确实是影响交通运输量的主要因素，并建立相应计量经济模型对四川省的“十五”交通运输量进行了预测，同时给出一般性的模型确定流程．     

采用GRNN模型进行交通量预测及实现研究

根据交通量形成的原因,分析了交通量和相关影响因素之间的关系以及交通量预测的特点,建立了交通量预测的广义回归神经网络(GRNN)模型。以某一公路交通吸引区1985~1995年的交通量和相关经济指标的历史统计数据作为学习样本,通过拟合训练和外推预测分析,验证了GRNN用于交通量预测的有效性。     

�����������SARIMA���ģ�͵Ķ��ڽ�ͨ��Ԥ��

为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点。构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势。实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型。然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测。     

基于果蝇优化灰色神经网络的年电力负荷预测

年电力负荷预测的准确性对电力系统的经济效益和社会效益具有重要作用。灰色神经网络(GNN)是一种创新的智能计算方法,在实际中广泛应用。尤其在预测问题方面具有极大的潜力。作为一种新型的启发式和进化算法,果蝇优化算法(FOA)具有易理解和快速收敛到全局最优解的优点。为提高预测性能,提出一种以GNN为基础的年电力负荷预测模型,使用FOA自动确定GNN模型的相应参数值,提高模型的稳定性和预测精度。通过利用中国的年用电量为实例,计算结果表明,GNN结合FOA(GNN-FOA)优于GNN,广义回归神经网络(GRNN),最小二乘支持向量机(LSSVM)和回归模型等其他替代方法。     

短期货运预测模型研究

短期货运量的预测对于交通运输系统的运作与管理具有重要意义．本文将回归分析与时间序列分析相结合,提出一个带有回归项和时间序列误差项的回归-时序混合模型,用以进行短期货运量的预测．在对模型进行识别、初估计的基础上,采用极大似然方法进行参数估计,经反复拟合,并对模型进行相应检验,最后得到符合要求的拟合模型。应用此回归-时序混合模型进行月度货运量的拟合预测,并与多元线性回归模型和季节ARIMA模型的拟合预测结果相比较,表明回归-时序混合模型可以提高短期货运量的预测精度。     

基于BP神经网络的浙江省公路运输量的预测

本文在对浙江省公路运输量时序分析的基础上利用BP神经网络进行预测，得到了精确度很高的预测结果，改变了过去一直使用灰色预测、回归预测、指数平滑法等方法的局面，为浙江省公路运输量的预测提供了新方法。     

模糊广义学习向量量化算法在交通事故预测方面的应用

模糊逻辑系统易于理解,而神经网络则有极强的自适应能力.本文将模糊数学方法和神经网络结合起来建立组合模型,用广义模糊神经网络(FGNN)预测道路交通事故.运用MATLAB语言编程,利用模糊广义学习向量量化算法(FGLVQ)建立模糊神经网络模型,并应用于交通事故预测中,改进了交通事故预测的计算方法.理论分析和实例表明,设计的模糊神经网络模型具有良好的非线性映射功能和泛化功能,对预测交通事故有较好的适应性.     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

基于奇异谱分析的GRNN模型在金融时间序列中的应用

奇异谱分析(SSA)作为一类无参数、独立于模型的时间序列分析技术,适用于具有非线性、非平稳性、含噪声的金融时间序列数据的分析与研究.目前,基于SSA的预测通常采用线性递归、BP神经网络等模型,但其预测精度、训练速度并不理想.为此,该文提出基于SSA的广义回归神经网络(GRNN)预测模型,它以SSA所获取的主成份重构序列...     

模糊多元回归模型在运输弹性系数预测中的应用

弹性系数法是交通预测的一种基本方法,其结果不仅受经济指标预测值的影响,还与预测方法的选择息息相关.文中以模糊多元回归理论为基础建立运输量与相关经济变量之间的关系式,并进行模型求解,进而可以对运输弹性系数进行预测.通过湖南省的公路客运量弹性系数预测结果表明,基于模糊多元回归模型的弹性系数预测方法可以确定弹性系数的变化范围,能够有效地解决观测数据不精确,以及指标变化不确定带来的预测精度问题,合理反映运输与经济发展的趋势关系.     

灰色预测模型在铁路客流预测中的应用

运量预测是铁路运输组织工作的重要基础和主要依据之一,是一项经常性工作。只有根据运量预测结果及其他方面的信息才能做出科学的决策,编制出可行计划、规划或发展战略,最大程度地减少风险,降低运作成本,减少设施闲置。运用灰色预测模型建立铁路客流预测模型,对我国铁路客运量进行预测,灰色模型的方法简单,适合在数据少的情况下预测短期客流量。     

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。     

组合预测模型在铁路货运量预测中的应用

货运量预测是铁路运输规划的基础,单一预测方法很难准确有效地进行运量预测。探讨组合模型在铁路货运量预测中的应用,以全铁路货运量及社会经济发展状况为样本,对未来铁路货运量进行预测。实证预测结果表明：组合预测模型能有效综合各模型的有用信息,从而提高模型预测精度,与单一模型相比,该方法具有较好的实用价值。     

久长-永温铁路采用长大下坡的安全性及合理性研究

线路分方向选择限制坡度及长大下坡道一直都是铁路设计和运营中关注的问题.文章从运量预测、制动安全、适应地形条件、工程技术经济、工程实施难度、运输组织适应性等方面综合分析,得出久永铁路采用长大下坡是安全和合理的结论.     

主成分回归的新疆兵团道路客运量预测

道路客运量预测是道路运输业规划的基础工作,科学准确地预测新疆生产建设兵团道路客运量是制定其运输业发展规划、发展战略的重要理论依据。根据新疆生产建设兵团道路旅客运输业发展特点,运用spass统计软件,综合主成分分析法和全回归法,确定道路客运量的主要因素,构建客运量预测模型,实现spass主成分回归分析在新疆生产建设兵团道路客运量预测中的应用。     

基于“三阶段法”的高速铁路短期运量预测

考虑到我国未来年度的OD分布预测中的路网构成变化、区域经济布局变动、区域经济增长速度差异等一些具有时变性和特殊性因素,采用在“四阶段法”运量预测基础上改进而成的“三阶段法”进行高速铁路短期客运量预测。首先采用组合预测模型进行趋势运量预测,然后采用多元LOGIT模型进行方式分担,最后采用弹性系数诱增模型进行诱增运量预测。以京沪高铁为例,采用“三阶段法”预测了2014年和2015年京沪高铁本线及跨线单向客流量。     

公路客运运力结构配置

运力配置合适与否不仅关系到客运企业经济效益的好坏,而且也是评价客运方式服务质量和服务水平的一项重要指标,并将直接影响其市场占有率。研究运力配置对公路客运企业、对客运消费者及区域经济都有很大意义。在对高速公路客运运力影响因素充分分析基础上,通过对公路客运量预测影响因素进行分析,建立了公路客运量预测模型,对未来目标年的客运需求量进行了预测、计算,确定运力结构配置方案。     

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。