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．     

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。     

用改进的灰色模型预测2000年我国汽车保有量

本文针对灰色预测模型的缺陷，对灰色模型的建模过程及检验方法进行了改进，用线性回归来建立ＧＭ（１，１）模型，用统计方法进行模型的显著性检验；并且运用该种方法对２０００年我国汽车的保有量进行了预测。     

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。     

熵值组合预测模型在民用汽车保有量预测中的应用

为了提高民用汽车保有量预测的准确度及精度,在科学合理选取民用汽车保有量的预测指标的基础上,选取了三种单项预测方法,建立基于熵值法的组合预测模型,利用2002~2011年天津市民用汽车保有量数据进行模型检验,检验结果表明该模型预测准确、精度较高,适合对民用汽车保有量预测,并对2013~2016年天津市民用汽车保有量进行预测,为制定城市道路规划、交通规划提供可靠的数据依据。     

灰色理论在交通事故预测的应用

采用GM(1,1)模型对重庆市高速公路重特大交通事故次数进行预测。在定性分析的基础上,把握原始数据的发展趋势,进而定义适当的序列算子,对算子作用后的序列建立GM(1,1)模型。通过预测结果的精度检验,可以说明:适当的序列算子可以提高预测精度。这一方法简单实效,可供参考。     

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MATLAB的灰色拓扑在交通事故预测中的应用

针对道路交通安全的严峻形势,利用灰色拓扑预测的理论方法,对福建省交通事故死亡人数进行了分析预测,并利用MATLAB程序实现。在对福建省108个月（2005年1月-2013年12月）交通事故死亡人数分布特征分析的基础上,选定一组阈值,根据阈值建立相对应的GM（1,1）模型组,利用模型组对未来可能出现的阈值范围内的年月份进行预测。经检验,模型组精度等级良好,该方法具有一定的实用性和可靠性,可供交通部门参考。     

基于灰色理论的铁路客货运量预测研究

运用灰色系统理论,以全国铁路1996-2005年客货运量数据为基础,建立了基于改进的灰色理论的影子响应GM(1,1)模型,Dynamic GM(1,1)模型,修饰型残差GM(1,1)预测模型.并采用后验差检验对三种模型的拟合精度进行了检验,从而给出了每一条铁路干线所适合的最佳预测模型,使得决策者能够灵活地根据具体问题选择相应的预测模型,避免了单一模型对不同铁路干线预测结果出现波动和失真的不足.同时用等维灰数递补法预测2007年的客货运量.进而对管理决策人员作出科学,合理的决策提供了理论依据.     

神经网络修正灰色残差模型的交通量预测

通过比较神经网络、GM模型的预测结果,融合GM（Grey Model）模型与神经网络模型并构建组合模型进行交通量的预测,可以克服单个模型所存在的不足。结果证明,该组合模型在交通预测中是可行的。     

组合预测在水路货运量预测中的应用

科学准确地预测水路货运量,超前掌握水路货运量发展的趋势、特点、规律和数量,是制定航道网规划的基础.本文运用改进的GM(1,1)模型和一次指数平滑模型相结合的组合模型对水路货运量进行预测,结果表明,组合预测综合考虑了各种因素的影响,能够提高水路货运量的预测精度,为航道网规划提供了科学决策依据.     

基于RBF神经网络因子分析的汽车保有量预测

汽车保有量预测对城市交通的发展方向有直接的参考意义,通过分析影响城市汽车保有量的因素,采用因子分析法提炼出较少的线性无关的主要因素,建立预测城市汽车保有量的RBF神经网络模型.最后通过实例分析,对RBF神经网络因子分析法计算结果和全要素神经网络模拟结果比较,得出RBF神经网络因子分析法在运算效率、运算精度上的优越性.     

道路交通事故灰色预测模型的建构与应用研究

分析了我国当前交通安全形势的严峻性,说明了道路交通事故预测技术的重要性.在对比两种传统的交通事故预测模型的基础上,分析了灰色模型在交通事故预测中的优越性,并构建GM(1,1)对道路交通事故量进行了预测,结果证明是可信的.     

灰色系统理论在过坝运量预测中的应用

为了解决复杂的过坝客货运量预测问题,基于灰色系统理论中的GM(1,1)模型对过坝运量预测建立灰色模型,并利用该模型对乌江银盘枢纽过坝运量进行预测,结果表明利用灰色系统理论方法对过坝运量进行预测是可行的,具有较高的可信度.     

高速公路软土地基沉降灰色预测方法研究

根据高速公路软土地基沉降的特点,探讨了灰色预测模型G(1,1)的基本原理,并将其运用于沉降预测中,通过编程实现了该方法,并且获得了很好的效果.     

基于熵值法的城市汽车保有量组合预测

分析灰色系统、多元回归、指数平滑、神经网络4种预测方法的特点并利用它们分别对城市汽车保有量进行预测,在此基础上通过熵值法确定各预测模型的加权系数,建立组合预测模型,最后将1995-2007年汽车保有量的各预测值与实际值进行比较,结果表明该组合预测法精度较高,实用性更强。     

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。     

基于改进Compertz-PCA的汽车保有量联合预测

立足汽车行业,整理我国2005—2019年有关汽车保有量的相关面板数据,使用PCA方法分析,确定营运公交数、轨道交通公里数、公路里程数、城市化率、汽车报废量、社会消费品零售总额、汽车销售量、人均GDP、国民生产总值9项因素为汽车保有量影响因素.利用PC A分析后得出的7项主要影响因素构建汽车保有量综合影响指标M,借鉴国际上通用的饱和指标,结合Compertz曲线模型对我国未来20年汽车保有量的发展趋势进行预测,结合实际情况测算出我国汽车保有量.该模型由于引入综合影响指标M,所以在预测过程中考虑到更多的参数影响,提高预测精度.结果显示:我国汽车保有量已经在沿着Compertz曲线的轨迹发展,但并没有达到饱和点,即将处于成熟期,2031年汽车保有量将达到3.5亿辆.     

基于组合预测理论的交通事故预测研究

提出一种适用于道路交通事故预测的组合预测模型。实例计算分析表明组合预测比单一预测技术的预测效果更好,在交通事故的预测问题方面具有一定的应用价值。