基于组合模型的浙江省GDP预测研究

区域 GDP 的发展趋势是高速公路规划和建设的重要参考依据。 本文基于浙江省 197 8.至 201 9.年的 GDP 数据, 分析数据特性, 构建预测模型, 掌握发展规律。 首先, 将 GDP 数据转化为时间序列, 建立 ARIMA (2, 2, 0) 模型 ; 其次, 将 GDP 数据以滑动窗口的方式生成输入矩阵, 建立 BP 神经网络模型 ; 最后, 利用 ARIMA 分析 GDP 时序的线性部分, 利用 BP 神经网络分析 GDP 时序的非线性部分, 建立组合模型。 通过计算相对误差比较模型的预测效果, 三个模型的平均相对误差分别是 6.和 6.结果表明, 组合模型的平均相对误差最小, 预测效果最好     

浅谈高速公路多源数据的质量分析方法———以沪杭甬嘉兴段为例

优质的高速公路数据是进行数据融合分析、 进而支撑高速智慧化决策的基础。 本文以沪杭甬嘉兴段高速公路的卡口、 收费、 施工事故等多源数据为例开展质量分析。 首先简要介绍源数据概况， 进而主要从完整性和规范性两个角度分析， 筛选分析所用的有效字段并确定判定标准， 最后给出多源数据各属性分析结果。 结果表明， 除服务区卡口过车数据外， 数据整体的完整性较优， 接近 100%， 收费站和施工事故数据的规范性较优。