基于GM(1,1)模型的道路交通事故预测

道路交通事故的发生虽具有偶然性,但也可利用预测理论的方法加以预测。在分析道路交通安全系统灰色属性的基础上,提出将道路交通事故作为道路交通安全系统行为特征量处理,运用灰色理论和方法来进行道路交通事故预测,在此基础上,建立了道路交通事故的GM(1,1)灰色预测模型,并通过实例验证了预测模型的适用性。     

新陈代谢GM(1,1)模型在全社会用电量预测中的应用

文中通过对比新陈代谢GM(1，1)模型和一般GM(1，1)模型以及传统的系统理论方法在全社会用电量上的预测结果，表明新陈代谢GM(1，1)模型在处理该类数据上具有一定的优势，并且实用性很强．     

道路交通事故灰色Verhulst预测模型

为提高道路交通事故灰色预测模型的预测精度, 分析了GM (1, 1) 模型和灰色Verhulst模型的特点, 发现GM (1, 1) 模型适用于具有较强指数规律的序列, 只能描述单调的变化过程, 而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。针对近年来中国道路交通事故表现为具有饱和状态的S形过程, 建立交通事故Verhulst预测模型。Verhulst预测模型和GM (1, 1) 预测模型预测的2004年交通事故死亡人数分别为10.87万人和11.72万人, 相对误差分别为1.49%和9.43%, 可见Verhulst模型的预测精度明显优于GM (1, 1) 模型。     

基于灰色SCGM(1,1)_b模型的道路交通事故短期预测分析

在综合研究已有经验的基础上,将灰色系统的SCGM(1,1)b模型应用于全国道路交通事故短期预测研究.通过对比验证,预测结果较为理想,表明该模型可以作为交通事故预测的一种有效手段,可为交通管理部门提供可靠的决策依据.     

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。     

灰色马尔可夫模型在交通事故预测中的应用

采用传统灰色GM(1,1)模型预测道路交通事故这类随机性、波动性较大的数据,存在拟合较差、精度不足等问题。运用马尔可夫模型对预测结果进行优化,并建立灰色马尔可夫预测模型。将该模型应用于1998~2007年全国道路交通事故数据来预测2008年事故次数,结果表明采用该模型预测精度达到96.9%,明显优于单独使用GM(1,1)模型的预测结果。     

灰色模型GM(1,1)在出生缺陷预测中的应用研究

目的探讨灰色模型GM(1,1)在预测不同水平出生缺陷发生率中的应用问题及数据波动性对预测效果的影响。方法利用2009年10月至2016年9月西安市出生缺陷监测数据,构建总出生缺陷及前5种缺陷的月、季度、年共3个层次出生缺陷发生率的GM(1,1)灰色模型,比较不同层次预测模型的拟合精度。结果总出生缺陷年度预测时,平均相对误差为4.6%,均方差比为0.259,提示其预测效果较好;按季度预测时效果勉强合格,平均相对误差为10.2%;按月进行预测时,效果较差,平均相对误差为17.5%。西安市前5种出生缺陷(先天性心脏病、唇腭裂、神经管畸形、多指、先天性脑积水)灰色模型预测结果都随着预测时间单位的变大,拟合精度逐渐提高,年预测模型拟合精度最好。结论灰色模型的预测效果可能与数据波动性有关,对出生缺陷发生率进行预测时以年度为单位的结果可能较适宜。     

1基于灰色SCGM（1，1）b模型的道路交通事故短期预测分析

在综合研究已有经验的基础上,将灰色系统的SCGM（1,1）b模型应用于全国道路交通事故短期预测研究。通过对比验证,预测结果较为理想,表明该模型可以作为交通事故预测的一种有效手段,可为交通管理部门提供可靠的决策依据。     

改进的灰色GM(1,1)模型在滑坡预测中的应用

滑坡形成机制复杂其变形受多种因素影响,具有相当的模糊性和灰色不确定性,因而利用灰色预测模型对滑坡进行预测将是一条有效的途径．在介绍了灰色预测的基本原理及其精度检验方法后,针对传统灰色GM（1,1）模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,表明其预测精度将得到有效提高．     

用灰色马尔可夫模型预测水上交通事故量

灰色GM(1,1)是一种水上交通事故量预测模型．这种模型不适合长期的、随机和波动性较大的数据序列预测．马尔可夫模型适合描述随机波动性较大的预测问题．本文将两模型结合,形成一个灰色马尔可夫预测模型．按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高．文中给出两个例子,算例证明了谊模型的诸多优点．     

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。     

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.     

关于应用GM(1,1)模型建立交通量预测模型的研究

灰色预测有其应用条件的限制，在交通流量统计的基础上，就不同累计时间的GM（1，1）交通量模型预测效果进行对比研究，可得出累计时间越长模型精度越高并且累计时间太短不宜用GM（1，1）建模的结论。     

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...     

交通量的灰包络预测

利用灰色预测法进行交通量预测有着满足贫数据序列,并可以处理波动明显的数据序列的优点。本文尝试运用灰色包络线预测的方法来预测交通量,可在预测远景交通量的同时,预测出其所在的区间,以保证预测的可信度。实践证明该方法具有较高的精度。     

工程结构关系曲线拟合的GM(1,1,λ)模型方法

用GM(1，1，λ)模型拟合土木工程领域中某些关系曲线，提出的简便可行的循环法和自动搜索法能够很方便地确定模型中参数λ的最佳值，以尽可能提高拟合精度。两种方法都具有直观的可视化特点，能够对计算过程进行仿真，并经工程实例验证。证明从理论上提高了灰色模型的拟合精度，而且在实践上也是可行的。     

一种离散GM(1,1)模型的研究

分析了离散GM(1,1)模型与原始GM(1,1)模型的关系,二者形式相同,建模机理相同,但建模过程不完全相同,所以二者的时间响应函数不同。解释了离散GM(1,1)模型比原始GM(1,1)模型优越的原因,并从理论上证明了该离散GM(1,1)模型不仅具有白化指数律、白化系数律重合性,而且具有线性变换一致性。     

Traffic Flow Data Recovery Algorithm Based on Gray Residual GM(1, N) Model

Because of the basic data support and continuous motive force for the intelligent transportation systems (ITS), the quality of the raw traffic data detected from traffic sensors directly affect the follow-up benefits of the entire system. In view of the widespread failure problems of collected traffic data, the paper takes the traffic flow data of intersection detector as the research object. A traffic flow data recovery algorithm based gray residual GM(1, N) model is proposed to effectively improve the quality of traffic flow data. First, the grey relational analysis is conducted on the traffic flow of four links at an intersection. Then a grey model GM(1, N) is developed for the estimated recovery of failure data. The residual modification is used to improve the accuracy of the repaired data. The results indicate that the proposed traffic flow data recovery algorithm is feasible. It is able to solve the post-processing difficulties due to data failure and it serves as a good method for failure data recovery in other areas as well.     

���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.