BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。     

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。     

GM（1，1）模型在长沙绕城高速公路软土地基沉降值预测中的应用

通过路基填筑过程所获得的有效获信息有限,缺少较准确的描述,符合灰色系统理论最少信息原理特征,因此凭借对灰色预测模型最核心的 GM（1,1）模型的研究,建立合适的灰色预估模型来对沉降进行预测。通过模型计算与现场实测的比较,结果表明：GM（1,1）模型可用于沉降值的预测,计算精度较高。     

优化GM(1,1)模型在桥梁静载试验中应用

设计一种适用于桥梁静载荷试验中极不完备数据条件下的优化GM(1,1)模型。使用3个前置神经网络模块替换传统模型中的微分拟合过程,利用神经网络的回归能力对其进行优化,使用1个后置神经网络模块结合1个数据解模糊模块替换传统模型的数据还原过程,其他数据处理方式沿用传统模型的数据处理方式。经过仿真计算,发现不同桥梁设计规模下,优化模型的标准差显著低于传统模型,证实优化模型具有较显著的算力提升。     

优化GM(1,1)模型在桥梁静载试验中应用

为了预防由于在桥梁检测中车辆荷载布置不当使桥梁结构损伤。通过基于1/xn对标准GM(1,1)模型进行标准变换方法,分别对n取1/8、1/4、1/2、1、2、4等不同的数值对某一加载工况加载时的内力值进行预测[9],并通过Matlab和Excel软件计算出这六种灰色模型的预测值,并同时对比这六种灰色理论模型的预测精度。得出结论,伴随n值减小,预测精度将会增加且预测精确度更高。所以这种优化模型具有较高预测精度,可以作为预测手段。     

双优化GM(1,1)新模型在路基沉降预测中的应用

路基沉降预测一直是道路工程领域的研究重点和难点。常用的GM(1,1)模型所预测的路基沉降值精度相对较低,特别当数据序列急剧变化时,GM(1,1)模型的误差值可能会更大甚至失效。针对传统GM(1,1)模型存在的问题,通过改变初始值,增加扰动因素β优化初始条件。同时利用非齐次指数函数拟合模型中变量的一次累加生成序列优化背景值,提出了初始条件和背景值双优化的新GM(1,1)模型。通过MATLAB软件编程实例计算表明,双优化之后的新GM(1,1)模型较原模型相比,其预测精度有了较大幅度的提高。     

改进的GM（1，1）模型在变形预测中的应用

研究GM（1,1）模型的理论发现,模型的背景值序列、边值条件和残差的改进能提高模型的模拟预测精度。利用MATLAB软件编制不同背景值和边界条件下的模型优选程序,通过工程实例表明,改进的GM（1,1）模型模拟预测精度较高,适合其在变形预测中应用。     

多变量GM(1,n)模型在桥梁施工挠度控制中的应用

在大跨度桥梁施工控制中,传统单变量灰色理论受误差影响较大,为提高在多因素影响下的挠度预测精度,在单变量GM(1,1)模型的基础之上,通过建立多变量灰微分矩阵方程,结合灰色预测原理,提出一种多变量GM(1,n)关联预测模型.用MATLAB编制了相应的计算程序,并将其应用于新建太中银铁路跨青银高速(75+120+75)m预应力混凝土连续梁的高程预测中,实践结果显示该模型基本准确地预测了架设过程中各梁段高程.     

优化的多变量变步长灰色模型及其在路基沉降预测中的应用

传统的单变量或等步长灰色预测模型,未考虑监测点间的系统关联性和实际沉降观测周期,往往具有非等间距的特点,不足以反映路基沉降变形的实际规律。在综合考虑实际工况中断面沉降点间相关性及不等时距观测的基础上,建立路基沉降预测的优化NMGM（1,n）模型。工程实例分析表明,优化的模型与建模工况相适应,具有良好的拟合及预测精度,能够满足工程实际应用需要。     

基于灰色-马尔科夫模型的高速公路货物运输量预测方法

为准确预测我国高速公路货物运输趋势,文章提出灰色GM(1,1)模型、马尔科夫模型和新陈代谢思想的组合模型,以2009—2016年我国高速公路货物周转量为原始数据序列,预测2017—2019年高速公路货物周转量。结果表明：组合模型比传统的灰色GM(1,1)模型预测精度更高,加入新陈代谢思想,删除旧数据,引入新数据,降低了长期预测的误差,对新序列采用灰色-马尔科夫模型,2018年和2019年的相对误差由原来的7.81%和6.45%分别下降到3.85%和0.62%。     

一种改进的灰色模型在交通量预测中的应用

GM(1,1)模型是灰色系统理论中的核心,已经得到广泛应用。一种改进GM(1,1)模型无论用于拟合或预测,其结果都明显优于常规GM(1,1)模型。结合遗传算法和最小二乘法获得该模型的待定参数,对改进的GM(1,1)模型给出了一种新的求解方法。将此改进GM(1,1)模型用于交叉口交通量的预测,预测结果较好。将等维递推和自适应的思想引入改进GM(1,1)模型,可进一步提高该模型的预测精度和实用性。     

基于卡尔曼滤波理论的交通信息预测模型及其应用

为了改善交通预测值的精度，采用改进的卡尔曼滤波法进行交通信息预测，提出了其噪声协方差μ的计算方法。改进的预测法能利用实测的交通参数对未来的预测值不断进行修正，适用于交通状况的实时分析。     

基于卡尔曼滤波理论的交通信息预测模型及其应用

为了改善交通预测值的精度,采用改进的卡尔曼滤波法进行交通信息预测,提出了其噪声协方差μ的计算方法.改进的预测法能利用实测的交通参数对未来的预测值不断进行修正, 适用于交通状况的实时分析.     

动态状态交通分配模型及其运用

静态交通分配模型不能很好地反映实际交通状况,而动态交通分配模型计算复杂、计算量大。本文基于动态用户状态均衡条件下,提出一种动态和静态交通分配的折衷方案———动态状态交通分配模型,给出了该模型计算路段平均队列长度和平均通行时间的公式,以及动态状态交通分配算法;最后给出一个运用于正常工作日动态交通分配的例子进行模型检验及其检验的数值结果。     

一种高速公路交通流密度模型及其应用

根据等价速度描述所存在的问题，提出一种指数等价速度的模型，该模型考虑了整体车流的行为而不仅仅是单个车流的总合，使模型描述更为合理，仿真和实际计算表明，使用该等价速度模型，可以大大降低车辆速度调节的冲击量，便于实际使用。     

基于运输需求函数的区域高速公路网交通量预测模型

区域高速公路网是区域社会经济发展的重要基础设施,为预测区域高速公路网交通量,引入经济学中的柯布-道格拉斯生产函数,以人均GDP、人口密度为参数构建运输需求函数,基于运输需求函数构建区域高速公路网交通量预测模型。模型能以简单的因素分析基础,对区域高速公路网交通量进行预测,为区域公路网交通量预测提供了新的思路决策依据。     

城市混合交通网络系统优化模型及其算法

针对中国城市混合交通网络的特点,考虑影响出行者交通选择的主要因素,分析了城市混合交通网络中出行者的交通选择行为(包括交通方式选择和路径选择);从交通需求的角度出发,基于BPR公式构造了城市混合交通网络的路段阻抗函数,提出了城市混合交通网络流量分离及分配的变分不等式模型.在此基础上,以城市交通网络系统总阻抗最小为目标,以城市交通管理的政策为手段,采用双层规划方法构造了城市混合交通网络的系统优化模型,并设计了其求解算法.最后通过数值算例,分析了不同交通需求条件下,各种出行方式的流量变化情况以及应采取的系统优化策略.计算结果表明:无论在拥挤条件下还是在非拥挤条件下,优先发展公共交通都是降低网络总费用的有效手段.     

弗雷特法在高速公路交通量调查中的应用

分析路面损坏的原因和损坏速率，建立使用性能评估模型等，常需要采集路段上的各种交通信息，目前我国多数高等级公路电子收费系统／9ETC）中没有OD调查功能，而且常规OD调查方法过于费时费力，鉴于此本文提出采用弗雷特（Fratar)法对高等级公路已发生的交通量进行分配，从而得到现时OD矩阵，并通过验证，认为该方法的误差在OD调查的误差范围之内。     

基于马尔柯夫过程的交通量预测

为解决传统交通量预测方法要求数据量较大、参数较多、精度较低的问题，提出了利用马尔柯夫过程来预测公路交通量的方法，建立了相应的预测模型。应用该方法对321国道交通量进行了实际的预测．获得了满意的结果。