灰色预测模型GM（1，1）在集装箱运量预测中的应用

章主要0探讨了灰色模型在集装箱运量预测中的应用，首先建立了基于灰色预测理论的GM（1，1）模型，并用其分别对两岸经香港集装箱运量、两岸定点直航集装箱运量和两岸直航集装箱运量进行了预测，预测结果是可信的。     

GM(1,1)预测模型的两阶段优化方案及其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。章提出了GM(1，1)预测模型的两阶段优化方案，经比较，预测模型结果明显优于常规GM(1．1)模型。将改进的GM(1．1)模型用于交通量预测，预测效果较好。将等维递推处理技术应用于预测模型中，还可进一步提高该模型的预测精度和实用性。     

GM(1,1)灰色模型在高路堤沉降预估中的应用

影响高路堤沉降的因素很多,可以将高路堤沉降过程看成一个灰色系统。该文利用灰色系统理论,建立了适合高路堤沉降预测的GM(1,1)沉降预估模型及其残差模型。最后将其应用于某高速公路高路堤沉降预测中,经与实测数据对比,表明预测精度良好。     

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GM(1,1)模型在单桩极限承载力预测中的应用

GM（1,1）灰色预测具有需求的样本数据少、建模过程简单、预测结果精度高的优点。从灰色GM（1,1）模型出发,通过典型实例,建立灰色微分模型和响应函数,对单桩P—S曲线拟合和极限承载力进行预测,以充分论证该理论在工程建设中的实际应用价值。     

基于分数阶拓展算子GM(1,1)模型的高速公路养护成本预测

通过分析高速公路养护成本构成,探讨日常养护、专修养护、大修养护成本随运营时间的变化规律,分析成本影响因素及相互关系。基于灰色系统理论,探讨养护成本随高速公路运营时间的变化规律。对成本历史数据进行数据关联性和特征分析,构建分数阶拓展算子灰色预测模型,并设计分子阶数和迭代过程,提高预测精度。最后,以某高速公路运营成本数据为实例,对模型进行了参数标定和应用效果分析。结果表明:该模型对高速公路日常养护成本的预测效果最佳,相对误差为5.17%。     

基于灰色理论的道路交通事故预测模型综述

交通事故预测模型是进行交通安全控制的关键问题之一。重点介绍了目前几种主要的基于灰色系统理论的道路交通事故预测模型:基本灰色预测GM(1,1)模型、残差灰色预测模型、灰色Verhulst预测模型、灰色马尔可夫预测模型、灰色神经网络预测模型,并指出各模型的适用条件和优缺点,为相关研究提供参考。     

GM(1,1)灰色模型优化方法研究

基于传统GM(1,1)灰色模型适用范围有限和预测精度较低的问题,提出了实测数据恒正凹化处理和相邻均值法(序列相邻数值取平均值)结合建模的新方法。该方法能够将原始数据序列转化为指定形式,利用数据相邻均值与时区长度。应用结果表明:优化后的GM(1,1)模型对数据兼容能力更强,对于发展速度先快后慢且波动性较小的稳定序列,该模型能够提高数值拟合精度,延长预估范围,可用于中长期预测,并且优化模型数值还原无需迭代累减,计算过程更加简便,为灰色模型的改进提供一定的参考价值。     

灰色神经网络模型DGNNM(1,1)及其在供应链需求预测中的应用

文章将离散灰色系统模型与神经网络模型相结合,形成灰色神经网络模型DGNNM(1,1),并结合某天然气公司供应链的需求历史数据对模型进行检验。实例的预测结果表明该模型可以作为供应链中的需求预测工具。     

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。     

灰色模型在轿车故障预测中的应用

整车或某个部件的“千车故障数”是现代轿车质量的一个重要指标，由于轿车的故障是由不合格的配件、配件的运送、配件的组装、自然磨损及非正常的驾驶等诸多因素影响和制约的共同结果，如此众多的因素不可能通过几个数据就能表达清楚，更是无法精确预测轿车可能存在的故障。灰色系统由于需要的原始数据较少和精度较高等特点，能满足轿车故障预测的要求。本文通过对轿车某部件千车故障数的合理预测，为改进汽车的质量提供了非常有用的参考价值。     

交通预测原则和预测模型评价方法

在总结已有研究成果的基础上,提出了交通预测应遵循的原则,并对交通预测评价方法和模型选择等问题进行了探讨,以期更好地指导交通实际预测工作。     

基于最大熵模型的客运枢纽换乘量分布预测研究

针对城市客运交通枢纽换乘量分布预测的问题,引入"四阶段法"中的出行分布预测原理,将枢纽处各种交通方式的客流影响范围近似看作出行分布预测中的交通小区,各交通方式之间的换乘量相应地看作交通小区之间的交通分布量。将重力先验概率式的最大熵模型应用于枢纽换乘量分布预测之中,构建换乘量分布预测的最大熵模型,并以枢纽内部各种交通方式的现状OD换乘量分布为基础,进行模型参数的标定和最大熵模型的求解,隐含考虑随机因素的影响,从宏观上描述换乘者的交通行为。该方法应用于北京市东直门客运交通枢纽的换乘量分布预测之中,效果良好,为进一步进行枢纽的功能布局及换乘组织等研究工作提供依据。     

基于多因子关联分析的道路交通事故灰色预测模型研究

基于灰关联分析,对道路交通事故的影响因子进行预处理,建立了基于多因子关联分析的道路交通事故GM(1,N)预测模型。对哈尔滨市1994年~2004年的道路交通事故进行实例分析,预测结果表明GM(1,N))模型的预测精度高于GM(1,1)模型及多元线性回归模型。该模型克服了GM(1,1)模型对于波动性较大的非平稳数列预测精度低的缺点,该模型具有简单、有效、预测精度高的特点。GM(1,N)模型是一种动态数据处理方法,且不会出现量化分析与定性分析结果矛盾的现象,能够很好的反映交通事故的未来发展趋势。     

道路交通事故经济损失灰色预测模型

阐述了我国交通事故造成经济损失的状况,引入灰色预测模型,对利用此模型预测交通事故经济损失的可行性进行了分析。基于历史数据,对未来几年的事故经济损失状况进行预测,并对模型精度进行检验。     

道路交通量灰色预测模型研究

道路交通量的预测对合理进行公路网的规划、工程可行性研究以及提高道路养护质量起着重要的作用。利用灰色系统理论,建立了道路交通量预测的GM(1,1)灰色预估模型及其残差模型,并将其应用于高速公路的交通量预测中,预测结果和实测结果较好的吻合,验证了预估模型的精度,表明预测方法的可行性。