基于GM(0,N)灰色系统的公路运输量预测方法

GM（0,N）模型适合于原始数据缺乏下的具有多个相关因素的系统特征变量预测．研究了GM（0,N）模型用于客运量预测的总体思路,建立了公路运输量的多因素灰色预测模型,并研究了系统模型中相关因素变量的确定方法、模型精度的检验方法和进行长期预测的方法与步骤．最后通过实例计算,对GM（0,N）与GM（1,1）模型的预测精度进行了检验和对比分析,结果表明,前者比后者具有更高的预测精度和可靠性．     

基于灰色模型和指数平滑法的集装箱吞吐量预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。集装箱吞吐体系是一个灰色系统,因此可以通过灰色系统进行建模并预测其吞吐量,通过对宁波港历年集装箱吞吐量的观察,发现其吞吐量呈持续的曲线增长趋势,因此考虑采用三次指数平滑法进行预测,在灰色GM(1,1)和三次指数平滑法的基础上采用了加权组合预测的方法,对宁波港今后几年的集装箱吞吐量进行了预测.     

基于灰色模型和指数平滑法的集装箱吞吐量预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。集装箱吞吐体系是一个灰色系统,因此可以通过灰色系统进行建模并预测其吞吐量,通过对宁波港历年集装箱吞吐量的观察,发现其吞吐量呈持续的曲线增长趋势,因此考虑采用三次指数平滑法进行预测,在灰色GM(1,1)和三次指数平滑法的基础上采用了加权组合预测的方法,对宁波港今后几年的集装箱吞吐量进行了预测.     

区域物流量预测的灰色GM(1,1)模型应用

介绍了灰色预测模型以及灰色预测模型在物流量预测中的应用.建立了基于灰色预测理论的GM(1,1)模型,叙述了运用GM(1,1)模型进行预测的详细步骤,并以某省物流量预测为例进行了实际应用.最后用级比检验和残差检验的方法对预测进行了检验,证明了预测的可信性.     

基于灰色马尔科夫链模型的交通事故预测

以灰色GM(1,1)模型为基础,结合马尔科夫链模型建立灰色马尔科夫链模型GM(1,1),对灰色GM(1,1)模型的预测结果进行误差修正,并利用乌鲁木齐市交通事故的历史数据对2014~2016年的交通事故伤亡人数进行预测。结果表明:当利用灰色马尔科夫链GM(1,1)模型时,平均相对误差从单一GM(1,1)模型的4.32%降到1.67%,误差减少2.65%,预测结果更加可靠,能够为乌鲁木齐市采取有效措施预防交通事故的发生,提供可靠理论依据。     

基于灰色模型的铁路客流预测方法

在GM(1,1)预测模型基础上,构建2个不同的预测模型——GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型,采用Matlab建模,并将模型应用到铁路客流量预测,分析对中小样本振荡序列的预测效果。实例证明,GM(1,1)幂模型和对原始数据进行缓冲算子处理的GM(1,1)模型的应用范围和预测精度都优于灰色GM(1,1)模型,是非线性铁路客流量预测的一种有效方法,有助于制定铁路运输计划。     

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。     

���ڻ�ɫ�в�GM(1,N)ģ�͵Ľ�ͨ�����ݻָ��㷨

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.     

灰色GM(1,1)模型在区域物流规模预测中的应用

讨论了灰色预测模型以及灰色预测模型在物流规模预测中的应用．建立了基于灰色预测理论的GM(1，1)模型，叙述了运用GM(1，1)模型进行预测的详细步骤，并以山东省的物流规模预测为例进行了实际应用，最后用残差检验和后验差检验的方法对预测结果进行了检验，证明了预测结果的可信性．     

城市货运量的灰色Verhulst预测模型

以研究城市货运量的预测方法为目的,为了提高城市货运量预测模型的预测精度,分析了GM(1,1)和Ver-hulst预测模型的特点,发现Verhulst预测模型更适用于城市货运量的预测,采用灰色Verhulst预测模型对城市货运量进行预测,通过比较GM(1,1)和Verhulst预测模型的结果可知后者具有较高的精度和可靠性,最后通过实例说明预测方法的可行性,为实际决策提供理论参考。     

灰色预测在高铁路基沉降预测中的应用

以在建某高速铁路为背景,通过对路基沉降实测数据的汇总,根据沉降曲线形态及沉降速率的差异将其分为3类.对观测数据进行等时距变换,采用灰色理论GM(1,1)模型、双曲线法、三点法对工后沉降进行预测,并对灰色理论预测模型进行精度检验.选取堆载预压期的数据作为模型原始数据,通过与实测最后一期数据的对比,发现灰色理论预测结果更接...     

信号交叉口集聚车辆的跟驰行为分析与建模

为了更好地模拟城市信号交叉口集聚车辆的跟驰行为,进而应用于城市信号交叉口信号配时和交通流理论研究,采用一种基于视频的交通流数据采集方法来采集信号交叉口的微观交通行为数据.运用灰色关联分析方法对采集到的微观交通数据进行分析,挖掘出其中的有用信息,从而寻求能够最大程度反映信号交叉口集聚车辆跟驰行为的影响变量.构建城市信号交叉口车辆集聚过程中的跟驰模型并进行参数标定、效果验证和比较分析.研究表明,新提出的跟驰模型能够很好地拟合信号交叉口集聚车辆的跟驰行为实测数据,其拟合性和稳定性优于重新标定后的扩展GM模型.     

危岩变形的灰色预测方法及应用

危岩是山区常见的地质病害之一,危岩变形监测预测是危岩防灾减灾的重要基础。将灰色预测理论应用于危岩变形监测,建立了危岩变形灰色预测模型及残差修正灰色预测模型。以重庆南川甑子危岩为例,以实测危岩累计位移值为原始数据,建立了GM(1,1)灰色预测模型及残差修正预测模型。经精度检验,小误差频率P=1,后验差比值C=0.160243,模型精度等级达到较高水平,比常规危岩预测方法更具有可靠度。     

水中含气量对螺旋桨空泡噪声影响的试验研究

为了研究水中含气量对螺旋桨空泡噪声的影响,在大型循环水槽中对某一高速双桨船模型的螺旋桨模型辐射噪声进行了测试.试验中进行了同一含气量下,不同船速时螺旋桨模型的辐射噪声的测量以及给定速度下,不同含气量情况下螺旋桨模型辐射噪声测量.测试结果表明:同一含气量,模拟实船不同航速工况时,噪声的总声级随着航速增加逐步增加;模拟实船某一航速工况,水中不同含气量时,测量得到的噪声总声级随含气量的增加而下降.     

危岩变形的灰色预测方法及应用

危岩是山区常见的地质病害之一,危岩变形监测预测是危岩防灾减灾的重要基础。将灰色预测理论应用于危岩变形监测,建立了危岩变形灰色预测模型及残差修正灰色预测模型。以重庆南川甑子危岩为例,以实测危岩累计位移值为原始数据,建立了GM(1,1)灰色预测模型及残差修正预测模型。经精度检验,小误差频率P=1,后验差比值C=0.160243,模型精度等级达到较高水平,比常规危岩预测方法更具有可靠度。     

客运量预测模糊时间序列和灰色模型的比较

基于模糊集理论在模糊时间序列分析的基础上分别建立铁路、公路及民航客运量模糊时间序列模型,并与基于灰色理论的GM(1,1),修正GM(1,1)和Markvo三个模型进行标杆对比,结果表明:模糊时间序列模型能有效提高Markvo模型的预测效果;模型的外推预测能力比Markvo模型强;模糊时间序列模型和灰色模型相比,传统ARIMA时间序列模型及人工神经网络模型具有不需要大量历史时间序列样本的特点.     

基于奇异值分解的灰色模型参数估计

提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量.     

GM（1，1）模型在福州市橘园洲大桥交通量预测中的应用研究

GM（1,1）模型具有计算量小、过程简单且精度较高等优点,特别适合于基础数据相对缺乏的城市桥梁交通量预测研究。因此,本文在介绍GM（1,1）模型的基本原理基础上,收集福州市橘园洲大桥2005年至2009年的交通量数据,应用GM（1,1）模型对其进行未来年的交通量预测,从而为城市桥梁交通量预测提供了一种简单实用的方法。这...     

灰色新息GM（n,h）建模中的递推算法

在数据采样中,GM（n,h)模型是基于不断进入系统,并对系统造成影响的扰动因素所建立的灰微分方程。文章主要讨论灰色新息GM（n,h)模型的递推算法及其在实际应用中的意义。