城市道路交叉口高峰小时流量的灰色预测

本文利用原有的交叉口高峰小时流量的统计数据，吸取灰色理论中的累加生成及等维灰递补的方法，采用曲线多项式拟合法代替灰色预测中ＧＭ（１．１）模型的指数曲线拟合法，使交叉口高峰小时流量的预测值具有较高的可信度。     

灰色控制系统在悬索桥主缆架设阶段的应用

以虎门悬索桥施工为依托，着重介绍灰色预测控制在主缆架设阶段的具体应用方法及控制效果。主要内容有：实桥温度修正曲线的建立；预测数据序列及相应的ＧＭ（１，１）模型的选定；基准索股标高预测稳定值的确定等。     

公路运输量预测的等维灰数递补模型

普通ＧＭ（１．１）模型因预测值“上漂”现象而不能直接用于公路运输量长期预测。等维灰递补模型通过缩小灰平面，提高灰平面白色度的方法，很好地解决了这一问题，用这种方法得到的长期预测值也较符合实际。     

交通事故灰色预测模型的研究

在交通事故统计的基础上，运用灰色理论，建立了一为量的交通事故预测模型，即ＧＭ（１，１），可用于交通事故各项统计指标的预测。它被传统的预测方法更科学、更合理。     

灰色系统理论在铁路运输成本预测分析中的应用

针对铁路运输成本预测分析中，仅有年度运输成本这种少数据的情况，应用灰色系统（ＧＳ）理论进行成本预测，并对ＧＭ模型中初始值的解算提出了一种新的方法，获得了较满意的预测结果。     

基于粒子群算法优化支持向量机的公路客运量预测

公路客运量数据受多种因素影响而呈现非线性等特点,为了提高其预测精度,文中提出粒子群算法（PSO）优化支持向量机（SVM）的公路客运量预测模型,利用PSO寻优能力突出的优点,对支持向量机的参数进行优化选择,并用优化后的支持向量机模型对公路客运量进行预测.研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO SVM的预测精度更高.     

灰色系统用于汽车保有量与年产量的预测研究

分析了灰色系统的方法用来预测的特点，采用ＧＭ（１，１）方法分别对我国未来若干年的汽车保有量和年产量进行预测，其中包括民用汽车用量，私人汽车量和汽车产量等，取得了好的预防测效果。对预测结果进行分析，指出了我国的汽车保有量和产量今后发展的特点和趋势。     

斜拉桥的施工最优控制

文中提出了用最小二乘法进行斜拉桥施工过程中的参数识别、用灰色预测模型ＧＭ（１，１）进行参数预测及用最小二乘法对控制目标进行最优控制的斜拉桥施工最优控制方法，并通过一算例验证了该方法的有效性。从算例的结果说明了参数误差对主要梁弯矩和位移有显著影响，同时验证了对柔梁体系，在悬施工过程中以标高控制为主的思想的正确性。     

GM(1,3)模型在交通系统公路客运量预测中的应用

交通系统公路客运量预测不仅具有模糊性和动态性等特点,而且受多个因素影响。许多交通研究人员只根据客运量一个因素,用GM(1,1)模型预测。文章运用GM(1,N)系统综合预测模型,考虑系统中多个相关因素,并结合GM(1,1)模型,以原始离散的公路客运量、人口和国内生产总值GDP三组数据数列为基础,建立GM(1,3)模型来预测公路客运量。在详细论述了系统综合预测模型GM(1,3)的建立过程后,用后验差检验法对预测结果进行了检验,预测精度较好,表明此模型对公路客运量预测有一定应用价值。     

加权盲数回归法在公路客运量预测中的应用

为克服传统客运量回归预算法中测忽视历史数据对未来预测的影响,以及无法处理影响客运量预测不确定因素的问题,提出了采用加权盲数回归方法进行公路客运量预测.该方法以不同权重区分历史数据的差别,采用加权最小二乘法确定回归系数;同时用盲数的形式来表达预测模型的相关变量,来获得客运量可能出现的多个区间,即各个区间可能出现的可信度情况.算例表明,该方法的预测结果比较合理、可靠,预测可信度高.     

基于新陈代谢-GM(1,N)马尔科夫的轨道交通客运量预测方法

为提高城市轨道交通规划建设的合理性以及相关政策制定的科学性,分析影响城市轨道交通客运量的相关因素,将GM(1,N)预测模型、马尔科夫理论与新陈代谢3种方法的思想相融合,提出一种组合预测模型。首先采用GM(1,N)进行预测,并对预测结果进行残差修正。在此基础上,利用马尔科夫理论构建状态转移概率矩阵,二次修正预测结果,之后融入新陈代谢思想,根据时间序列删除已陈旧的或价值不大的信息,加入已得到的预测结果作为新的预测数据源,对下一时刻进行预测,从而提高模型预测的精度。根据2008-2013年上海市城市轨道交通客运量数据,运用该模型对2015年、2016年上海市城市轨道交通客运量进行预测分析,并与实际结果进行对比。研究结果表明:应用灰色模型,2015年、2016年预测结果分别为335 501. 91万人、382 682. 82万人,相对误差分别为9. 36%,12. 55%。应用提出的方法,预测结果分别为314 724. 28万人、349 397. 59万人,相对误差分别为2. 58%,2. 76%。为了进一步验证模型的准确性,引用北京市轨道交通客运量相关数据进行验证,其结果相对误差分别为2. 87%,3. 27%。可见,轨道交通客运量预测问题属于灰色系统研究范畴,并且所提出的新陈代谢-GM (1,N)马尔科夫模型预测精度较高,满足实际需求,是一种有效的城市轨道交通客运量预测方法,同时使得对客运量预测的研究趋于完整,丰富了该类问题的研究成果。     

基于灰色理论的重庆市常规公交客运量影响因素分析及预测

为了研究重庆市常规公交客运的发展水平,把握当前及今后重庆市公交客运量的发展规律和发展方向.采用灰色关联度理论的研究方法,清晰直观地得到了反映重庆市常规公交客运量影响因素与客运量之间的关联度,通过比较分析的方法,发现利用传统灰色预测模型在进行重庆市常规公交客运量预测时,其拟合精度不够.研究发现需要对模型的紧邻均值生成序列做出改进,改进后的灰色预测模型要比传统的灰色预测模型的拟合精度更高,说明改进后的灰色预测模型更适用于重庆市的常规公交客运量的预测.      

基于ARIMAX模型的交通事故宏观预测

针对现有道路交通事故预测方法的不足,采用逐步回归法从众多宏观影响因素当中筛选出主要影响因素,并将动态回归ARIMAX模型应用于预测。前者保证了模型应用的准确性,后者则兼有回归与时间序列预测方法两方面的优点。根据1983年—2005年间相关数据,建立起道路交通死亡人数同人口总数、运输线质量里程数、客运量、驾驶员人数、人均GDP、公路运输汽车拥有量的相关关系,进一步应用ARIMAX模型进行预测,拟合结果显示,误差较小、预测情况良好,在交通事故宏观预测方面有很好的应用前景。     

实车数据驱动的锂电池剩余使用寿命预测方法研究

锂离子动力电池剩余使用寿命（RUL）预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法，本质上是一个递推的过程，每一次预测的误差会随预测次数增加而累积，难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论，建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法，使用编码器-解码器（ED）框架改进长短时记忆神经网络模型（LSTM）构建从序列到序列预测的EDLSTM模型，并融合ARIMA模型预测误差趋势，进而修正最终预测结果。理论分析和实车采集数据验证表明，该方法在预测比例超过历史数据总量35%的情况下，仍然能较好地拟合实车SOH衰退曲线，有效提高锂电池剩余使用寿命的预测精度。     

一种顾及多因素影响的公路客运量预测模型

提出采用双线性模型预测公路客运量。预测模型包含时序自回归项、线性回归项和双线性项三部分。为了研究模型参数的时变特性,将公路客运量预测分为模型参数的预测和在此基础上的客运量预测,采用多层递阶方法计算模型的时变参数,然后进一步分析拟合参数的变化曲线,计算后续时段的参数预测值,并以此进行公路客运量预测。实例分析表明,双线性动态预测模型能很好地反映公路客运量的发展特性,具有较高的预测精度和实用价值。     

灰色关联弹性模型在公路客运量预测中的运用

根据公路客运量预测受到多因素影响以及非线性的特点[1],选取了影响公路客运量的主要因素,并计算出关联因素对公路客运量的关联度,进一步提出了灰色关联弹性模型预测公路客运量的方法。该方法提出灰色综合弹性系数的概念,基于灰色关联弹性模型的原理,根据若干年已知数据计算得出的灰色综合弹性系数并预测出后面紧邻若干年份的客运量。将该模型运用到对我国公路客运量的预测,发现预测精度同传统弹性系数法相比有了一定提高,验证了该模型具有一定的实用性和参考价值。     

基于神经网络实现的改进灰色组合预测及应用

针对GM（1，1）模型预测精度差的问题，采用马尔可夫链、残差数据正数化等多种方法修正残差．按等维新息的思路建立多个改进型GM（1，1）模型，并提出了基于神经网络实现的改进型灰色组合预测模型及预测算法。仿真分析表明，通过该模型可以寻求到多个改进型GM（1，1）模型预测值的最佳组合。     

基于快速聚类分析的航空分担率模型在新建机场客运量预测中的应用

基于聚类分析的航空分担率模型,对其应用的可行性进行了进一步的探讨,并结合阿拉善盟地区新建机场的客运量进行了预测,得到比较理想的预测结果.该研究为新建机场的客运量预测提供了一种可行的方法,可供实际需要借鉴.     

基于灰色Verhulst-马尔可夫链组合预测方法的公路客运量预测研究

将灰色系统理论和马尔可夫链理论相结合,提出了灰色Verhulst-马尔可夫链组合预测方法来预测具有饱和状态发展趋势的观点;结合广东省公路客运量发展趋势来对该组合预测方法进行具体应用.计算分析证明,该模型较灰色Verhulst模型、灰色GM(1,1)-马尔可夫模型具有预测精度高、适应弹性大、实用性强等特点,可对公路客运量的发展趋势进行宏观把握,对宏观决策具有指导意义.     

基于面向对象的GMDSS仿真训练软件的研究与设计

在分析全球海上遇险与安全系统（ＧＭＤＳＳ）功能的基础上，采用面向对象的方法，给出了ＧＭＤＳＳ系统中Ｉｎｍａｒｓａｔ－ｃ子系统的对象模型，动态模型及仿真训练软件的对象模型，提出了仿真训练软件的软件结构。